diff --git a/Ai_tottle/ai_tottle_api.py b/Ai_tottle/ai_tottle_api.py
index 3230506..eaf1d88 100644
--- a/Ai_tottle/ai_tottle_api.py
+++ b/Ai_tottle/ai_tottle_api.py
@@ -125,7 +125,7 @@ yolo_tile_blueprint = Blueprint('yolo', url_prefix='/yolo/')
 app.blueprint(yolo_tile_blueprint)
 
 # YOLO URL APT
-# 存储任务进度和结果（内存示例，可用 Redis 或 DB 持久化）
+# save the task progress in memory
 
 @yolo_tile_blueprint.post("/process_images")
 async def process_images(request):
diff --git a/Ai_tottle/yolo_train.py b/Ai_tottle/yolo_train.py
index dfd321f..771e307 100644
--- a/Ai_tottle/yolo_train.py
+++ b/Ai_tottle/yolo_train.py
@@ -22,7 +22,7 @@ import miniohelp as miniohelp
 from psycopg2 import OperationalError
 from collections import Counter
 import pandas as pd
-##############################################################################计算每个class的label数量#############################################################
+####################################### 𝓒𝓸𝓶𝓹𝓾𝓽𝓮 𝓵𝓪𝓫𝓮𝓵 𝓬𝓸𝓾𝓷𝓽 𝓯𝓸𝓻 𝓮𝓪𝓬𝓱 𝓬𝓵𝓪𝓼𝓼 ##############################
 def count_labels_by_class(label_dir):
     class_counter = Counter()
     for file in os.listdir(label_dir):
@@ -32,7 +32,7 @@ def count_labels_by_class(label_dir):
                     class_id = line.strip().split()[0]
                     class_counter[class_id] += 1
     return dict(class_counter)
-#################################################################################统计原始的召回率和准确率#########################################################
+##################################### 𝓢𝓽𝓪𝓽𝓲𝓼𝓽𝓲𝓬𝓼 𝓸𝓯 𝓹𝓻𝓮𝓬𝓲𝓼𝓲𝓸𝓷 𝓪𝓷𝓭 𝓻𝓮𝓬𝓪𝓵𝓵 #####################################
 def evaluate_model_per_class(model_path, dataset_yaml, class_names):
     model = YOLO(model_path)
     metrics = model.val(data=dataset_yaml, split='val')
@@ -49,7 +49,8 @@ def evaluate_model_per_class(model_path, dataset_yaml, class_names):
         }
     return results
 
-#############################################################################下载图片与对应的yolo格式标签txt文档###################################################
+##################################### 𝓓𝓸𝔀𝓷𝓵𝓸𝓪𝓭 𝓲𝓶𝓪𝓰𝓮𝓼 & 𝔂𝓸𝓵𝓸 𝓽𝓮𝔁𝓽 𝓵𝓪𝓫𝓮𝓵 𝓼########################################
+
 def link_database(db_database, db_user, db_password, db_host, db_port, search_query):
     """从数据库查询并更新符合条件的记录"""
     try:
@@ -285,7 +286,7 @@ def train(project_name, yaml_path, default_model_path):
         device=[0],    # 如果你有多个显卡可以写 [0,1]
         workers=0,
         project=project,
-        name=current_date,
+        name=current_date, 
     )
 
     trained_model_path = os.path.join('runs', 'detect', current_date, 'weights', 'best.pt')
@@ -353,7 +354,7 @@ def auto_train(
         "final_metrics": final_metrics
     }
     
-##########################################################################################查询训练进度##################################################################
+##########################################################################################get the training ##################################################################
 def query_progress(project_name, run_time=None):
     """
     查询训练进度
@@ -369,7 +370,8 @@ def query_progress(project_name, run_time=None):
     if run_time is None:
         dirs = sorted(os.listdir(base_dir), reverse=True)
         if not dirs:
-            return {"status": "not_found", "message": "Documenta exercitationis non inventa sunt"}
+            # 𝒟𝑜𝒸𝓊𝓂𝑒𝓃𝓉𝒶 𝑒𝓍𝑒𝓇𝒸𝒾𝓉𝒶𝓉𝒾𝑜𝓃𝒾𝓈 𝓃𝑜𝓃 𝒾𝓃𝓋𝑒𝓃𝓉𝒶 𝓈𝓊𝓃𝓉
+            return {"status": "not_found", "message": "Documenta exercitationis adhuc inveniuntur non potest"}
         run_time = dirs[0]
 
     log_path = os.path.join(base_dir, run_time, "results.csv")