在linux下训练模型部署FaceNet

参考博客

1下载程序

打开facenet的github网页，复制HTTPS。
在文件夹中打开终端，首先需要安装git

(base) roymustang@roymustang-GE70-2QE:~/github$ git clone https://github.com/davidsandberg/facenet.git

下载完程序

2 虚拟环境的创建

首先需要了解如下操作
Linux下anaconda虚拟环境创建及激活
pip和conda环境的转移和复制
通过上文环境的转移和复制可以单独创建环境然后导入文件中requirement.txt文件的环境
requirement环境中包不全可以参考requirement.txt

创建虚拟环境

conda create -n FaceNet_env python=3.9.0

conda activate FaceNet_env

激活环境

其中grpcio==1.26.0无法安装，应该版本过久就安装最新版本
tensorflow无法安装可以从requirement中去除，然后用conda install tensorflow安装后来发现是python版本装太高了,装低版本就可以解决

conda install python==3.6.5

absl-py==0.9.0
astor==0.8.1
bleach==1.5.0
certifi==2019.11.28
chardet==3.0.4
cycler==0.10.0
gast==0.3.3
grpcio==1.26.0
h5py==2.10.0
html5lib==0.9999999
idna==2.8
joblib==0.14.1
kiwisolver==1.1.0
Markdown==3.1.1
matplotlib==3.1.2
numpy==1.16.2
opencv-python==4.1.2.30
Pillow==7.0.0
protobuf==3.11.2
psutil==5.6.7
pyparsing==2.4.6
python-dateutil==2.8.1
requests==2.22.0
scikit-learn==0.22.1
scipy==1.2.1
six==1.14.0
tensorboard==1.7.0
tensorflow==1.7.0
termcolor==1.1.0
urllib3==1.25.8
Werkzeug==0.16.0

然后在requirement.txt文件夹内进行安装

(FaceNet_env) roymustang@roymustang-GE70-2QE:~/github/facenet$ pip install -r requirements.txt

3数据预处理

网上有很多可下载的人脸数据集
在这里推荐用户上传云盘中的内容
这些数据集有可能不全，关键的lfw数据集等，所以最好从github官网上下
新建一个文件夹，在里面把datasets设置为exclude，不然会全读到内存

将下载下来的lfw数据集解压到该文件夹下，输入命令开始进行人脸检测以及提取。
注意lfw的位置，数据集有可能有下一层lfw

 python src/align/align_dataset_mtcnn.py datasets/lfw   datasets/lfw_160 --image_size 160 --margin 32 --random_order

会发现没有facenetmodule，这其实是由于facenet在上一级无法读取。
打开Python虚拟环境中的Lib目录和FaceNet项目中的src目录，将src目录下的所有文件拷贝到Lib目录下即可，这也是为什么强烈建议每个项目拥有一个独立的虚拟环境的原因。

已经开始处理。

4模型训练

将260行iteritems修改为items，这还是python2的格式

找到308行，将

if lr<=0:

if lr<=0 or  lr is None :

然后运行如下即可用cpu成功计算，关键–logs_base_dir logs/facenet/为数据集的目录

python src/train_softmax.py --logs_base_dir logs/facenet/ --models_base_dir models/facenet/ --data_dir datasets/lfw_160/ --image_size 160 --model_def models.inception_resnet_v1  --optimizer ADAM --learning_rate -1 --max_nrof_epochs 150 --keep_probability 0.8 --random_crop --random_flip --use_fixed_image_standardization --learning_rate_schedule_file data/learning_rate_schedule_classifier_casia.txt --weight_decay 5e-4 --embedding_size 512 --lfw_distance_metric 1 --lfw_use_flipped_images --lfw_subtract_mean --validation_set_split_ratio 0.05 --validate_every_n_epochs 5 --prelogits_norm_loss_factor 5e-4 --batch_size 20

训练成功

python src/train_softmax.py --logs_base_dir logs/facenet/ --models_base_dir models/facenet/ --data_dir datasets/lfw_160/  --image_size 160 --model_def models.inception_resnet_v1 --lfw_dir datasets/lfw_160/ --optimizer ADAM --learning_rate -1 --max_nrof_epochs 150 --keep_probability 0.8 --random_crop --random_flip --use_fixed_image_standardization --learning_rate_schedule_file data/learning_rate_schedule_classifier_casia.txt --weight_decay 5e-4 --embedding_size 512 --lfw_distance_metric 1 --lfw_use_flipped_images --lfw_subtract_mean --validation_set_split_ratio 0.05 --validate_every_n_epochs 5 --prelogits_norm_loss_factor 5e-4 --batch_size 20

成功运算，但现在只看运行一轮时间