python人脸识别训练模型_Python 人脸识别模型训练

--log_base_dir ~/logs/facenet/ 将会把训练日志保存到~/logs/facenet/，可以使用TensorBoard查看这些信息。

--models_base_dir ~/models/facenet/ 最终训练好的模型就保存在~/models/facenet/ 目录下。

--data_dir ~/datasets/casia/casia_maxpy_mtcnnpy_182 训练数据的位置。这里使用之前已经对齐好的CASIA-WebFace数据。

--image_size 160 输入网络的图片尺寸是160x160像素。

--model_def modes.inception_resnet_v1 比较关键的一个参数，它指定了训练的CNN的结构为inception_resnet_v1。项目支持的所有CNN结构在src/models目录下。共支持inception_resnet_v1、inception_resnet_v2、squeezenet三个模型，其中前两个模型较大，最后一个模型较小。如果使用--model_def modes.inception_resnet_v1后，出现内存或显存消耗光的情况，可以将其替换为--model_def modes.squeezenet，来训练一个较小的模型。

--lfw_dir ~/datasets/lfw/lfw_mtcnnpy_160 指定LFW数据集的位置。如果输入这个参数，每次执行完一个epoch，就会在LFW数据集上执行一次测试，并将测试后的正确率写到日志文件中。

--optimizer RMSPROP 指定使用的优化方法。

--learning_rate -1 原意指定学习率，但这里指定率负数，在程序中将忽略这个参数，而使用后面的--learning_rate_schedule_file参数规划学习率。

--max_nrof_epochs 80 表示最多跑80个epoch。