（1）数据预处理： 源数据（.fits格式）下载链接：https://tianchi.aliyun.com/dataset/dataDetail?dataId=74779 fits2jpg.ipynb-------------将原数据集的.fits文件转化为jpg格式的图片并保存 save_continuum----------保存的白光图 save_magnetogram------保存的磁图
imgMerge.ipynb---------数据融合的代码 save_cm------------------数据融合后的图像
data_Augmentation.ipynb------数据增强的代码 augmentation_cm--------------融合数据增强后的图像
（2）ResNet50、VGG16、DenseNet121模型的训练： train.py pretrainModel-----存放resnet50、vgg16、densenet121模型的权重参数文件
（3）Conformer模型的训练： Conformer_pytorch.ipynb Conformer_small_patch16.pth------Conformer的预训练模型 conformer_changed.py--------------对论文作者的Conformer主体代码的微调
（4）Conformer的注意力可视化： Conformer_visualization.ipynb
（5）保存的模型： save_model： （a）conformer_50Epochs（优化,后6层）.pth---不带注意力参数返回的，训练最好的Conformer模型 （b）conformer_50_Epochs.pth------带注意力参数返回的，训练的Conformer模型 （c）保存的resnet50_trained_weights.h5----权重参数文件 （d）保存的vgg16_trained_weights.h5------权重参数文件 （e）densenet121_trained_weights.h5------权重参数文件
（6）全部模型每阶段在测试集上测试的结果： save_data： （a）Conformer_50Epoch_val_data.txt------训练最好Conformer过程的结果 （b）resnet50.csv------训练resnet模型保存的结果 （c）vgg16.csv---------训练vgg16模型保存的结果 （d）densenet121.csv---训练densenet121模型保存的结果
（7）所有数据的汇总画图： visualization.ipynb