做一个人脸检测实验。
1.获取数据集（LFW）
Labeled Faces in the Wild Home
Menu->Download->All images as gzipped tar file
或者直接点击
我是LFW
解压放到
datasets
2.下载facenet并配置（
facenet 是一个使用tensorflow 进行人脸识别的开源库，我们可以依赖于它，进行人脸识别相关开发，进而降低难度与成本
）
注意文件放置的位置！（facenet 和lfw要放在同一目录下，切记！）
facenet所在路径 /home/cjz/anaconda3/envs/tensorflow/facenet
lfw解压后所在路径：/home
/cjz
/anaconda3/envs/tensorflow
/datasets/lfw
3.处理数据集（对齐数据集）
2）
python src/align/align_dataset_mtcnn.py
~/anaconda3/envs/tensorflow/datasets/lfw
~/anaconda3/envs/tensorflow/datasets/lfw
/lfw_mtcnnpy_160 –image_size 160 –margin 32 –random_order –gpu_memory_fraction 0.25 (切记，一定要写对路径 ，这样才能导入全部数据，并导出相同像素160*160的图片)
图片较多需要等一段时间（我的
CPU
跑了40-50分钟，gpu的话应该更快），
然后在这里
/home
/cjz
/anaconda3/envs/tensorflow
/datasets/lfw
/lfw_mtcnnpy_160会有对齐之后的图片了（所谓对齐，可以理解为就是同等像素大小，详解https://www.cnblogs.com/bakari/archive/2012/08/27/2658956.html）。
4.下载训练好的模型文件
（1） facenet提供了两个预训练模型，分别是基于CASIA-WebFace和MS-Celeb-1M人脸库训练的
（2） 本人使用的是基于数据集
MS-Celeb-1M
训练好的模型。模型存储在Google网盘，需要翻墙。
https://github.com/davidsandberg/facenet
选择pre-trained models
下载20170512-110547（MS-Celeb-1M数据集训练的模型文件，
微软人脸识别数据库，名人榜选择前100万名人，搜索引擎采集每个名人100张人脸图片。预训练模型准确率0.993+-0.004） （
注意：我是翻墙才能下载下来，稍后我会上传