很长时间没有发自己学习过程的博客了，这次发的是初次使用pyTorch搭建自己的facenet。

参考博主博客：https://blog.csdn.net/weixin_44791964/article/details/108220265
源代码地址：https://github.com/bubbliiiing/facenet-pytorch

本次使用的是Anaconda搭建的虚拟网络

一、项目运行环境：

pycharm
python：3.6.13
torch:1.2.0
torchvision:0.4.0
h5py：2.10.0
importlib-metadata：4.8.3
markdown：3.3.7
matplotlib:3.1.2
numpy:1.17.0
opencv-python:4.1.2.30
pillow:8.2.0
scipy:1.2.1

二、运行代码

因为Anaconda是之前下载好的，所以就跳过这个步骤
环境最主要的是torch的安装
在Anaconda Prompt(Anaconda1)界面输入：

conda create -n pytorch python=3.9.13

之后输入下面的指令查看自己安装的新环境

conda info --envs

之后切换环境，输入指令：

activate base
activate pytorch

输入pip list查看当前版本环境
之后输入pip install torch==1.2.0安装torch
输入pip install torchvision==0.4.0安装torchvision

进行facenet搭建代码的下载

下载对应所需要进行训练的数据

代码和相关数据按照如下数据进行解压

1、安装其他运行多需要的环境

当我们用pycharm打开下载的项目的时候，配置好Anaconda的解释器，之后按照pycharm提示的那样，在Anaconda Prompt(Anaconda1)界面进行相关环境的安装。

2、需要训练的数据

3、用代码自带的训练好的facenet_mobilenet.pth进行不同图片的预测

首先调两个人脸相同的图片，结果如下：

之后调用两个不同人脸的图片

可以看出相同人脸的欧氏距离比不同人脸的欧氏距离小得多

4、使用数据进行模型的训练

进行训练前的参数修改
首先是backbone的选择，要选择要采用什么主干提取网络（本次运行代码统一采用mobilenet提取网络）
需要注意的是修改了backbone之后还有修改model_path为对应的预训练权重

在确定参数后运行train.py文件，这是出现报错

RuntimeError: CUDA out of memory

这是因为显存不够，需要调整batch_size参数dataloader
刚开始修改参数的时候提醒我要修改成3的倍数，我看到之后相关教学猜测原因是：utils/dataloader.py文件，输入信息是3个一组提交（还没有深入了解，仅仅是猜测）

之后一直把batch_size修改为21，把一些还在运行的程序关闭以后，train.py文件才能成功的运行

等训练结束之后，训练好的facenet模型保存到了logs文件夹

5、开始使用我们的模型进行预测

首先修改facenet.py文件中的model_path参数和backbone
model_path填写我们训练好的模型路径（选择一个值较小的）
backbone还是保持mobilenet的提取神经网络

之后可以运行predict.py进行预测
首先输入两个相同人脸的图片进行预测

再输入两个不同人脸的图片进行预测

可以发现欧氏距离大得多

6、对我们训练出来的模型进行评估

依旧是先修改eval_LFW.py的model_path参数和backbone参数（方法同上）

运行eval_LFW.py文件

可以看出我们通过数据集训练出来的模型的精确值为98.117%左右

三、总结

因为之前只是单纯的下载了Anaconda，没有具体的使用过，所以本次通过pyTorch搭建facenet让自己熟悉了一些Anaconda构造环境的操作。
刚开始pytorch安装失败了一次，也知道了错安cpu版本的和gpu版本的怎么分别。
也了解到了facenet中的一些预测和进行欧式距离判断的流程。
但具体的神经网络的知识还不怎么了解，还需要慢慢学习。

使用pyTorch搭建自己的facenet相关推荐

聪明的人脸识别3——Pytorch 搭建自己的Facenet人脸识别平台
聪明的人脸识别3--Pytorch 搭建自己的Facenet人脸识别平台学习前言什么是Facenet 源码下载 Facenet的实现思路一.预测部分 1.主干网络介绍 2.根据初步特征获得长度为 ...
一、pytorch搭建实战以及sequential的使用
一.pytorch搭建实战以及sequential的使用 1.A sequential container 2.搭建cifar10 model structure 3.创建实例进行测试(可以检查网络是 ...
【深度学习】——利用pytorch搭建一个完整的深度学习项目（构建模型、加载数据集、参数配置、训练、模型保存、预测）
目录一.深度学习项目的基本构成二.实战(猫狗分类) 1.数据集下载 2.dataset.py文件 3.model.py 4.config.py 5.predict.py 一.深度学习项目的基本构成 ...
基于PyTorch搭建CNN实现视频动作分类任务代码详解
数据及具体讲解来源: 基于PyTorch搭建CNN实现视频动作分类任务 import torch import torch.nn as nn import torchvision.transforms ...
Pytorch搭建自己的模型
前言 PyTorch.TensorFlow都是主流的深度学习框架,今天主要讲解一下如何快速使用pytorch搭建自己的模型.至于为什么选择讲解pytorch,这里我就简单说明一下自己的使用感受(相对T ...
Educoder 机器学习神经网络第四关：使用pytorch搭建卷积神经网络识别手写数字
任务描述相关知识卷积神经网络为什么使用卷积神经网络卷积池化全连接网络卷积神经网络大致结构 pytorch构建卷积神经网络项目流程数据集介绍与加载数据构建模型训练模型保存模型加载 ...
使用Pytorch搭建U-Net网络并基于DRIVE数据集训练(语义分割)学习笔记
使用Pytorch搭建U-Net网络并基于DRIVE数据集训练(语义分割)学习笔记 https://www.bilibili.com/video/BV1rq4y1w7xM?spm_id_from=33 ...
睿智的目标检测30——Pytorch搭建YoloV4目标检测平台
睿智的目标检测30--Pytorch搭建YoloV4目标检测平台学习前言什么是YOLOV4 代码下载 YOLOV4改进的部分(不完全) YOLOV4结构解析 1.主干特征提取网络Backbone ...
使用pytorch搭建AlexNet网络模型
使用pytorch搭建AlexNet网络模型 AlexNet详解 AlexNet是2012年ISLVRC 2012(ImageNet Large Scale Visual Recognition Ch ...

使用pyTorch搭建自己的facenet