表情识别系统设计历程

模型训练准确度低原因分析：

fer2013数据集由35886张人脸不同表情图片组成，其中训练集28708张，验证集和测试集各3589张。每张图片的大小是48*48像素大小，表情分为7种：0 anger 生气； 1 disgust 厌恶； 2 fear 恐惧； 3 happy 开心；4normal； 5 sad 伤心；6 surprised 惊讶。网上下载的数据集是一个csv文件，需要对其进行处理，这里将每一种表情按照不用文件存储。

FER2013数据集虽然数据量足够丰富，但是数据质量较差，存在模糊，错误标注等问题，导致训练精度很低。

尝试更换数据集训练。选择CK+数据集。CK+数据量虽然纯净但是数据量过小，容易发生过拟合现象。最终对原始数据集未做更改。

模型训练使用CPU而非GPU原因分析：

在模型训练中发现，原本数据一次迭代49秒，而在本人计算机cpu计算有100秒，最终训练下来的数据集准确度比较低。

模型训练使用CPU。而GUP未使用。原因分析：使用的依赖包下载的是TensorFlow-CPU版本，模型训练并不使用GUP来运算数据。