一、当前代码训练前确认

1. 配置文件核对：确保 config/config_sysu.yaml 中关键参数正确：
   • dataset: sysu、dataset_path: ./dataset/（指向含 cam1-6、exp 的 SYSU-MM01 目录）；
   • setting: unsupervised（当前代码适配的无监督场景）；
   • base_lr: 3e-4、end_epoch: 60（Step-I 20epoch + Step-II 40epoch）。
2. 数据格式确认：SYSU-MM01/exp/train_id.txt 格式为每行一个身份ID（如 1,2,3,...），确保 data_loader.py 中 pre_process_sysu 函数能正常解析（复用你提供的原版数据加载逻辑）。

二、当前代码训练命令

在项目根目录执行（启用CuDNN加速，适配当前代码的分阶段训练逻辑）：

python main_train.py --config config/config_sysu.yaml --cudnn_benchmark

训练过程会自动执行：

• Step-I（单模态聚类）：冻结TBGM/CAP/IPCC，优化可见光特征与红外伪标签；
• Step-II（跨模态关联）：解冻模块，按课程学习（plain→moderate→intricate）优化跨模态损失。

三、当前代码测试命令

训练结束后，加载 best_checkpoint.pth 测试（路径在 sysu_unsupervised_csanet_sysu/sysu_save_model/ 下）：

python main_test.py --config config/config_sysu.yaml --resume --resume_path ./sysu_unsupervised_csanet_sysu/sysu_save_model/best_checkpoint.pth

测试会输出 SYSU 数据集 All-Search/Indoor-Search 模式下的 Rank-1、mAP 等核心指标，匹配当前代码的评估逻辑。