id后台无法识别 input_[Kaggle 练习][TensorFlow2]年龄、性别、人种的多目标识别

这是一个深度学习的练习项目，目的：

1. 使用 TensorFlow 2 + Keras API 实现 multi-output 任务。
2. 实操一个相对完整的深度学习任务，从数据清洗到模型训练出结果。
3. 训练一个有一定实际意义（人种、性别预测）的人脸识别项目。

基本信息

• 源码 & 运行结果：Github link
• Kaggle: https://www.kaggle.com/jangedoo/utkface-new
• dataset: https://susanqq.github.io/UTKFace/ 2 万张单人脸图片，覆盖 5 个人种，0-116 岁区间。原始数据 1.3GB，cropped 后 107MB。本文使用 cropped 后的数据集。
• 参考论文：Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks https://arxiv.org/abs/1312.6082 来自 Google 2013.12 月
• 代码基于 https://sanjayasubedi.com.np/deeplearning/multioutput-keras/ 修改而来
• 开发环境：Ubuntu 18.04 搭建 cuda10.1+tensorflow2.1+python3.7 https://zhuanlan.zhihu.com/p/45041445

模型原理

在 Google 的论文 中，介绍了核心原理：

1. 前面的卷积层保持不变，与单 output 一样。因为，卷积层是对图片做预处理 & 基本特征自动提取，泛化性好的模型，不应该与识别目标强相关。
2. 最后的全连接层，根据目标的数量，增加纬度。最终的模型输出纬度和训练目标数一致。

原始论文对方法的介绍，也非常的简明扼要，只有半页纸。完整截图如下：