课程设计——采用卷积神经网络训练人脸识别模型（数据集为olivettifaces 人脸图像）

完整资源获取
点击下载完整资源

1、资源项目源码均已通过严格测试验证，保证能够正常运行；
2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通；
3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合；
4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。

程序处理流程

# 读取人脸数据库olivettifaces,并存储为pkl文件
import numpy as np
from PIL import Image
import pickle
from sklearn.model_selection import train_test_split
import tensorflow as tf
import matplotlib.pyplot as plt
from datetime import datetime
import xlwt
import net_input

读取数据

file_name = 'E:/人脸识别/faces_data.pkl'
dataset, train_data,test_data, train_label,test_label = net_input.read_file(file_name)
batch_size = 20

搭建网络

# 方法2
def weight_variable(shape):
    inital = tf.truncated_normal(shape,stddev=0.1)
    return tf.Variable(inital) 
def bias_variable(shape):
    inital = tf.constant(0.1,shape=shape)##初始值为0.1
    return tf.Variable(inital) 
def conv2d(x,W):
    ##strides=[batch,height,width,channel]，所以固定不动Batch和channel,只改变height和width的步长
    return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding='SAME')  
def max_pool_2(x):
    ###kszie难道不是指核的大小？？？不是！！！！
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')  

### （57，47）====》（40）
def model(x_image):
    ## conv1 layer ##
#     print(x_image.shape)
    W_conv1 = weight_variable([5,5,1,32]) ##patch5*5,in_size=1,out_size=32
    b_conv1 = bias_variable([32])
    conv1 =