TensorFlow+FaceNet+GPU训练模型（超详细过程）（一、环境搭建）

本文适用于以下人群：

1. 有Python基础，想要进一步深入学习
2. 刚接触深度学习，希望找一些开源项目练手
3. 对人脸数据梳理模糊，希望能够自建数据集训练模型的入门级选手

在开始进入正题之前，我希望大家可以先详细看看这段话。首先，深度学习是一个研发型方向，至少，请先有Python编程语言的基础，和了解一些深度学习基本概念之后再进行项目尝试，不要照本宣书。第二，Python、TensorFlow、GPU是三个耳熟能详的的内容，但基本上配置环境的人90%以上都失败了，原因很简单，版本！！！（不同的版本之间有关联性，如果没有理解这一点，一味的追求最新的内容的话，说明计算机白学了...）

为了迎合大众的需求，很高兴的告诉大家，本文环境在Windows下完成，所以可以不用买远程服务器或者装双系统了，同时，很重要的一点，GPU是为了提升计算资源用的，在显卡中进行计算过程，速度是CPU的数十倍以上，但是关键的一点，显卡必须是N卡！！！

接下来进入正文...

一、FaceNet介绍

对不起，自行百度...本文只讲解训练过程，下附GitHub源码链接

https://github.com/davidsandberg/facenet

众所周之，FaceNet是Google发布的一个开源项目，深度学习框架用的是TensorFlow，但随着Python版本的更迭和Tensorflow版本的升级，最新的版本已经不适用于18年的项目（太老了），所以在选择安装环境的时候就至关重要。在上图中我们可以看到官方提供的版本是Python3.5+TensorFlow1.7，但是随着更新，我更推荐大家使用Python3.6的版本，3.5自然也可以，至于3.7的童鞋，请自闭吧（重装）

附：说了这么多，别忘了把项目下载下来...（提供百度云链接）

https://pan.baidu.com/s/1vQvgl4wN0WMMFbRzM7I9vw

二、Python+Pycharm+虚拟环境安装

请必看！！！

熟悉Python的童鞋可以跳过，毕竟IDEA不是必要的，命令行反而更加方便，本步骤提供给喜欢用可视化编译器的小伙伴。

Python安装

请不要使用Anaconda，这是个害人的玩意儿！！！作为一个从事计算机行业的人来说，至少你需要了解最基本的编译环境结构，集成环境没有任何帮助，在某些时候更是累赘。

Python官网：https://www.python.org/

在官网中你可以找到Python所有版本的安装包，但由于外网速度感人，这边提供一个Python3.6.5的安装包

https://pan.baidu.com/s/1qvRqLUuCDCR1_fvPB2dlKQ

务必勾选添加环境路径这个选项，安装完成后，打开命令行，输入Python即可发现已安装完成。

虚拟环境搭建

理论上来说，不同的项目应该使用不同的环境，而不是把不同项目用到的Python第三方库全部加进来，这样会显得很冗余，而且更容易造成冲突，下面就教大家如何新建一个项目的虚拟环境。

首先，Python第三方库需要进行pip安装，但是外网的速度实在是无法帝国子民所接受，所以我们需要更替一下镜像源，这里推荐使用清华的，其他的源网站请自行百度。

在文件夹路径中输入%appdata%，按下回车，会跳转到系统用户下的AppData/Roaming目录，此时新建文件夹pip，并在pip目录下新建文件pip.ini，添加以下内容。

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

此时我们就已经成功的将镜像源进行了更替，接下来打开命令行，输入pip install virtualenvwrapper

输入mkvirtualenv facenet_env，新建虚拟环境

新建成功后上图会详细写出虚拟环境的路径，若对虚拟环境不太清楚的小伙伴请保存下来，后续要用。

默认路径一般为C:\Users\用户名（默认Administrator，如果自定义用户名是中文的童鞋请自重）\Envs

Pycharm

IDEA看个人吧，不喜欢的还是可以选择不用安装，下面仅提供给需要的小伙伴。

官网：https://www.jetbrains.com/pycharm/

百度云：https://pan.baidu.com/s/1-4ruWuMm314aAr5-iGzQWA

安装过程不再详细列出...

将刚刚下载下来的FaceNet源码目录使用Pycharm打开，接着开始添加刚刚创建好的Python虚拟环境。

点击File->settings->Project->Project Interpreter

接着新建环境

选择Existing environment，并选择到刚刚创建完虚拟环境中python.exe的位置，接着保存

  

接着点击Pycharm左下角的Terminal，会发现环境已经切换至虚拟环境中

三、Python第三方库安装

由于版本的关系，现版本的很多内容都已经不支持TensorFlow框架，举个例子就是Numpy，必须降低版本才能使用，这里给出一个最简单的环境安装方法。

在项目目录下，有一个默认提供的文件requirements.txt，知道的小伙伴就不用多说了，不知道的请自行百度

官方提供的内容不够详细，这里给出一份详细的清单进行替换，复制黏贴就行。

absl-py==0.9.0
astor==0.8.1
bleach==1.5.0
certifi==2019.11.28
chardet==3.0.4
cycler==0.10.0
gast==0.3.3
grpcio==1.26.0
h5py==2.10.0
html5lib==0.9999999
idna==2.8
joblib==0.14.1
kiwisolver==1.1.0
Markdown==3.1.1
matplotlib==3.1.2
numpy==1.16.2
opencv-python==4.1.2.30
Pillow==7.0.0
protobuf==3.11.2
psutil==5.6.7
pyparsing==2.4.6
python-dateutil==2.8.1
requests==2.22.0
scikit-learn==0.22.1
scipy==1.2.1
six==1.14.0
tensorboard==1.7.0
tensorflow==1.7.0
termcolor==1.1.0
urllib3==1.25.8
Werkzeug==0.16.0

接着就是批量安装，在刚刚打开的命令行中输入pip install -r requirements.txt

ok,fine 安装完成，接下来测试一下下

 导入tensorflow也没有报错，基本环境配置已经结束，接下来进可以进入数据预处理的步骤了。

Next: https://blog.youkuaiyun.com/qq_40204582/article/details/104099876