Openface（三）：卷积网络

最近学习了基于FaceNet的Openface包。
在前面的文章里我们已经将图片中的人脸提取出来，并进行了对齐。接下来我们建立卷积网络，之后再使用triplet loss进行训练。
下面是卷积网络的代码。首先建立了Inception模块以供调用，接着建立了训练将调用的卷积网络。

# model: nn4.py
from torch import nn
from .BasicModule import BasicModule
from torch.nn import functional as F

class Inception(BasicModule):
    def __init__(self, inputSize, kernelSize, kernelStride, outputSize, reduceSize, pool):
        super(Inception, self).__init__()
        self.layers = {}
        poolFlag = True
        fname = 0
        for p in kernelSize, kernelStride, outputSize, reduceSize:
            if len(p) == 4:
                (_kernel, _stride, _output, _reduce) = p
                self.layers[str(fname)] = nn.Sequential(
                    # Convolution 1*1
                    nn.Conv2d(inputSize, _reduce, 1),
                    nn.BatchNorm2d(_reduce),
                    nn.ReLU(),
                    # Convolution kernel*kernel
                    nn.Conv2d(_reduce, _output, _kernel, _stride),
                    nn.BatchNorm2d(_output),
                    nn.ReLU())
            else