diffusion model 高光谱图像分类产品系统Vibe Coding

高光谱图像（HSI）分类是遥感领域的重要任务，广泛应用于农业、地质、环境监测等。HSI具有数百个光谱波段，数据量巨大且高度冗余。传统方法如PCA、MNF等线性变换及深度学习方法（如CNN、RNN、Transformer）已取得一定进展，但现有方法在建模跨样本的光谱-空间关系方面能力有限。因此，从生成式视角出发，利用扩散模型通过迭代去噪显式构造数据生成过程，从而获取高维数据的分布信息，构建样本间关系，无需先验图结构或邻域信息。

实现高光谱图像（HSI）的分类训练与评估，
支持使用：
原始高光谱数据输入
由扩散模型生成的扩散特征输入（可选）
模块：
workflow.py：负责读取配置、调度数据加载、模型训练、评估和结果保存。
data_provider.py：负责读取 .mat 数据、可选加载扩散特征、预处理并生成训练/测试 patch 或 numpy 数据。
cross_transformer.py：实现 HSINet 及其注意力/Transformer/Cross-Transformer 模型结构。
trainer.py：封装训练、验证、测试流程并驱动模型参数优化。
evaluation.py：计算分类指标并生成评估报告。
utils.py：提供参数检查、结果记录、路径处理等通用工具。

我主要实现保证无扩散特征时的正常运行，最终分类特征的精度评估部分，以及适配AMD显卡的运行