使用pyTorch搭建自己的facenet

很长时间没有发自己学习过程的博客了，这次发的是初次使用pyTorch搭建自己的facenet。

参考博主博客：https://blog.youkuaiyun.com/weixin_44791964/article/details/108220265
源代码地址：https://github.com/bubbliiiing/facenet-pytorch

本次使用的是Anaconda搭建的虚拟网络

一、项目运行环境：

pycharm
python：3.6.13
torch:1.2.0
torchvision:0.4.0
h5py：2.10.0
importlib-metadata：4.8.3
markdown：3.3.7
matplotlib:3.1.2
numpy:1.17.0
opencv-python:4.1.2.30
pillow:8.2.0
scipy:1.2.1

二、运行代码

因为Anaconda是之前下载好的，所以就跳过这个步骤
环境最主要的是torch的安装
在Anaconda Prompt(Anaconda1)界面输入：

conda create -n pytorch python=3.9.13

之后输入下面的指令查看自己安装的新环境

conda info --envs

之后切换环境，输入指令：

activate base
activate pytorch

输入pip list查看当前版本环境
之后输入pip install torch==1.2.0安装torch
输入pip install torchvision==0.4.0安装torchvision

进行facenet搭建代码的下载

下载对应所需要进行训练的数据

代码和相关数据按照如下数据进行解压

1、安装其他运行多需要的环境

当我们用pycharm打开下载的项目的时候，配置好Anaconda的解释器，之后按照pycharm提示的那样，在Anaconda Prompt(Anaconda1)界面进行相关环境的安装。

2、需要训练的数据

3、用代码自带的训练好的facenet_mobilenet.pth进行不同图片的预测

首先调两个人脸相同的图片，结果如下：

之后调用两个不同人脸的图片

可以看出相同人脸的欧氏距离比不同人脸的欧氏距离小得多

4、使用数据进行模型的训练

进行训练前的参数修改
首先是backbone的选择，要选择要采用什么主干提取网络（本次运行代码统一采用mobilenet提取网络）
需要注意的是修改了backbone之后还有修改model_path为对应的预训练权重

在确定参数后运行train.py文件，这是出现报错

RuntimeError: CUDA out of memory

这是因为显存不够，需要调整batch_size参数dataloader
刚开始修改参数的时候提醒我要修改成3的倍数，我看到之后相关教学猜测原因是：utils/dataloader.py文件，输入信息是3个一组提交（还没有深入了解，仅仅是猜测）

之后一直把batch_size修改为21，把一些还在运行的程序关闭以后，train.py文件才能成功的运行

等训练结束之后，训练好的facenet模型保存到了logs文件夹

5、开始使用我们的模型进行预测

首先修改facenet.py文件中的model_path参数和backbone
model_path填写我们训练好的模型路径（选择一个值较小的）
backbone还是保持mobilenet的提取神经网络

之后可以运行predict.py进行预测
首先输入两个相同人脸的图片进行预测

再输入两个不同人脸的图片进行预测

可以发现欧氏距离大得多

6、对我们训练出来的模型进行评估

依旧是先修改eval_LFW.py的model_path参数和backbone参数（方法同上）

运行eval_LFW.py文件

可以看出我们通过数据集训练出来的模型的精确值为98.117%左右

三、总结

因为之前只是单纯的下载了Anaconda，没有具体的使用过，所以本次通过pyTorch搭建facenet让自己熟悉了一些Anaconda构造环境的操作。
刚开始pytorch安装失败了一次，也知道了错安cpu版本的和gpu版本的怎么分别。
也了解到了facenet中的一些预测和进行欧式距离判断的流程。
但具体的神经网络的知识还不怎么了解，还需要慢慢学习。