34、构建真实世界的卷积神经网络：VGG-Face和VGG-Face Lite

构建真实世界的卷积神经网络：VGG-Face和VGG-Face Lite

1. 图像数据增强与数据集划分

在构建卷积神经网络（CNN）进行人脸识别时，首先需要对图像数据进行增强处理，以增加数据的多样性和模型的泛化能力。以下是一个图像数据增强函数 preprocess_image 的示例代码：

import random
import math
import tensorflow as tf

def preprocess_image(image):
    degrees = random.randint(0, 90)
    image = tf.contrib.image.rotate(image, degrees * math.pi / 180, interpolation='BILINEAR')
    image = (tf.cast(image, tf.float32) - 127.5)/128.0 
    image = tf.image.per_image_standardization(image)
    return image

该函数实现了图像的随机旋转、标准化等操作。在训练模型之前，需要将输入数据划分为训练集和测试集，通常采用70/30的划分比例。以下是划分数据集的函数：

import math

def get_training_and_testing_sets(file_list):
    split = 0.7
    split_index = math