colab执行人脸图像质量评价代码

想要跑通的代码还是来源于这篇文章：SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness，论文的第四个实验部分讲到了来源代码：

1https://github.com/davidsandberg/facenet
2https://github.com/deepinsight/insightface

其实这个数据集在今年前半年就下载下来保存在电脑上，但是一直没有跑通，直到上个月才跑出结果。又点进链接进去之后发现里面又重新更新了很多内容，但我还是继续之前已经下载好的代码进行实现吧~
这个数据集对于我这种第一次跑代码的人来说还是太难了，因为里面涉及到了cuda的安装，还有对应的tensorflow1.14.0的安装，以及mxnet-gpu版本的安装。走了很多很多弯路，希望在此记录一下。
下载后的文件夹图片如下：

其中这里的两个重要的.py文件还需要通过github上相关链接再进行下载，还要下载一个对应的预处理好的model，将它们一起组合。
我们最终要执行的是serfiq_example.py文件，其他的还有最重要的face_image_quality.py文件，因为执行serfiq_example.py时需要从face_image_quality.py中调用已定义好的类和相应函数。
接下来，就是注意事项：

1、跑通这个代码需要gpu加持，因此需要下载与自己电脑显卡对应版本的cuda和cudnn，我的电脑需要的版本是cuda9.0，因此在下载mxnet-gpu时，需要的代码是pip install mxnet-cu90，如果是10.0的，就把90改为100；在用conda创建虚拟环境时的代码：conda create -n xxx python3.6.9，这里的xxx是创建的虚拟环境的名称，后面的python是指定你创建的环境中的python版本，我觉得很有必要加，不要像我一样开始创建了所有的环境后才发现python是2.7的版本，而且在下载其他包的过程中也总是出错。

2、可以从下载的readme文件看到

我们需要下载太多对应版本的软件，而且也会出错，比如这里的文件说需要mxnet的cpu版本和gpu版本，其实只需要下载gpu版本就够了。又加上我的电脑显卡太旧，电脑速度慢，后来，我就放弃了在电脑上配置，直接通过注册Google drive，在谷歌云盘上自带的gpu和linux系统跑，安装速度很快，速度也要快于自己的电脑。大家可以申请谷歌账号，通过科学上网的方式进行体验，我很喜欢这种方式。
而且自带的linux安装了cuda10.1的版本，和tensorflow2最新版，不用麻烦的去下载。不过我查了查资料说10.1的版本不太兼容之类，我就卸载了10.1的版本，重新安装了10.0的版本。

这里是colab上的代码：

# 进行授权及安装驱动
from google.colab import drive
drive.mount('/content/drive/')
#定位到自己要执行的.py文件的上级目录
import os
os.chdir('/content/drive/My Drive/app/FaceImageQuality')
os.getcwd()

#可以从github上直接克隆到colab上
!git clone https://github.com/deepinsight/insightface.git

# 卸载cuda10.1并安装cuda10.0
!wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
!sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
!sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
!sudo apt-get update
!wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
!sudo dpkg -i nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
!sudo apt-get update

#安装mxnet-cuda10.0版本
!pip install mxnet-cu100
#安装其他的包
!pip install keras==2.2.4
#安装cv2
!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
#安装tensorflow1.14
!pip install tensorflow==1.14.0


#执行.py文件
!python3 "serfiq_example.py"

3、其中在调试代码的时候，有时候会xrange报错，这应该是python2里面的代码，可以直接变成range，这就是python3中的代码；

4、如果在调用cv2.imread读取图片时报错，说没有shape这个模块，应该是图片没有正确读取，检查一下读取图片的路径，cv2读取照片的路径好像是不能含有中文。

5、如果是linux系统需要查看自己是red hat系统还是Ubuntu系统，因为red hat是用yum下载包，而Ubuntu是用wget来下载。