insight face +windows+anaconda2.7+mxnet1.3--train.py

最近看人脸识别,借着insight face,顺便学习了一下mxnet的使用。

论文

InsightFace : Additive Angular Margin Loss for Deep Face Recognition

https://arxiv.org/abs/1801.07698

官方mxnet代码:

https://github.com/deepinsight/insightface

作者提供的精度99.8%。

直接在个人pc上跑,按照github上的参数,修改了batch大小-32,训练了20个epoch左右,验证集lfw,得到了最高精度99.25%。

train和train_softmax都可用。

修改一下train_net:

直接默认pc的gpu就可以了。

def train_net(args):

    ctx = []
    '''
    cvd = os.environ['CUDA_VISIBLE_DEVICES'].strip()
    if len(cvd)>0:
      for i in xrange(len(cvd.split(','))):
        ctx.append(mx.gpu(i))
    if len(ctx)==0:
      ctx = [mx.cpu()]
      print('use cpu')
    else:
      print('gpu num:', len(ctx))
    '''
    ctx = [mx.gpu()]

再修改前面几个参数:

parser.add_argument('--data-dir', default='', help='training set directory')
  parser.add_argument('--prefix', default='', help='directory to save model.')
  parser.add_argument('--pretrained', default='', help='pretrained model to load')

第一个,下载数据库的路径。I:\\...\\datasets\\faces_ms1m_112x112

第二个保存模型的路径。

第三个为预训练模型的路径。这边有一个格式问题,根据模型的命名方式自己改一下。

其他的自己看着改改都可以。

貌似没什么要改的了。

你可能感兴趣的:(insight face +windows+anaconda2.7+mxnet1.3--train.py)