这个项目用于生成地物分类的数据集，并将数据集切片用于训练和测试模型。

• 数据集：PaviaU
• 数据集介绍：pavia_U数据含有103个波段
• 数据格式：MATLAB格式 (.mat)
• 数据集路径：DataSet/PaviaU
• 数据集包括：
  地物光谱数据 (PaviaU.mat)
  地物标签 (PaviaU_gt.mat)

• 切片尺寸：11x11 (PATCH_SIZE = 11)
• 输出类别：9类地物 (OUTPUT_CLASSES = 9)
• 训练数据： 每一类地物100个训练样本

• 数据处理步骤：
  1. 加载原始数据
  2. 对数据进行标准化处理
  3. 对数据进行填充以便于切片
  4. 生成切片数据并保存到文件夹 DataSet/patch_train100
  5. 切片数据包括训练集和测试集

1. 运行 loadData 函数加载数据集
2. 对数据集进行预处理，如标准化
3. 运行 createdData 函数生成切片数据并保存到文件夹

• loadData 函数：用于加载数据集
• createdData 函数：用于生成切片数据并保存到文件夹
• NEW_DATA_PATH：存放生成的切片数据的路径

• 训练周期：10 (TRAIN_EPOCH = 10)
• 嵌入周期：5 (EMBED_EPOCH = 5)
• 批量大小：64 (BATCH_SIZE = 64)

• 数据集路径：DataSet/patch_pca50
• 数据集加载：使用自定义的DataSet类加载数据集
• 数据加载器：train_loader和test_loader，用于训练和测试

• 预训练模型路径：model_save/pretrained_resnet18_10_pca50.pth
• 模型加载：使用torch.load加载预训练模型
• 损失函数：交叉熵损失函数 (nn.CrossEntropyLoss())
• 优化器：随机梯度下降 (optim.SGD)，学习率为0.01，动量为0.9
• 学习率调整器：每2个周期将学习率减半 (torch.optim.lr_scheduler.StepLR)

1. 设置超参数
2. 加载数据
3. 加载预训练模型

• 可根据需要修改超参数和模型路径
• 请确保数据集路径正确

HSI分类模型预训练示例