FaceNet源码使用方法和讲解细节补充
首先 facenet源代码的使用是有规律的。拿图片处理程序align_dataset_mtcnn.py来说，如下图：
所有带–的参数都是有默认值的，不是必须输入的，如果要改此默认值，那参数输入的时候要加–。不带–的参数都是必须输入的，记得参数之间加空格。路径经过测试，左右斜杠不分（D:/Tensorflow/facenet/data/detetpicture和windows路径D:\Tensorflow\facenet\data\detetpicture都是对的）。
其次是程序的放置位置问题。我跟参考博主（开头两篇链接）的用法不同，他是直接用的一个集成软件，我是基于自己在windows下搭建的平台（见我的博文“python集成tensorflow和opencv运行于windows 10”），一切指令都在cmd下输入运行，对于环境变量和参数只能自己琢磨。下载了github上的facenet源代码和lfw数据集，又根据参考博文下载了简化版的facenet源码（其实就是原版facenet代码中的src文件夹下的所有）和他提供的预训练模型。如下图：
此次练习主要用到compare.py，validate_on_lfw.py，classifier.py，train_tripletloss.py以及align文件夹中的align_dataset_mtcnn.py，没用到的也不能删，有包含关系。
预训练模型包含的文件如下图：
上图中的.pb文件是跨平台用的最终模型文件，这里用不上（书中的模型没有此文件，可能是参考博主自己加进去的吧），继续训练和识别用ckpt文件就行了。新建facenet文件夹，把精简版的facenet全部考进来，同时把预训练模型20170512-110547也考进来，位置如下图（Tensorflow只是我为了方便查找，随便建的一个文件夹）：
注意到我的里面多了align_dataset_mtcnn.py文件，那是从align文件夹考过来的。我运行python代码都是通过cmd进入文件所在目录运行的，align_dataset_mtcnn.py头部如下图所示：
其中用到了facenet文件夹中的facenet.py文件和align文件夹下面的detect_face.py文件，如果在align文件目录运行，那这两个地方都会报错，所以要直接考到facenet文件夹里，同级目录里的文件引用不用输入路径，下一级文件目录中的如align文件夹用align.表示，就不会有问题了。
另外classifier.py需要的图片大小也要是160160大小的,需要先裁剪分类图片。报错误的操作如下图：
test.pkl是输出SVM分类的记录文件，很重要，不用提前建此文件，test也是自己命名的，会自动生成。处理图片后，正确操作如下图：处理图片忘了更改–image_size 160 --margin 32 --random_order，裁剪输出了182182大小的图片（可能会对后面有影响）。
图片是自己建的，按参考博文来的，9个人，没人20张照片，放在data文件夹中，如下图：
test_160文件夹需要提前建好，程序输出后，其内部如下图：
有了test.pkl，再弄几张自己的图片，就可以开始分类应用了。
自己弄来的图片需要建立在文件夹中，直接图片不行，如下图：
每个图片文件夹中仅含有一个图片。
最后，我还趁势测试了contribute中的predict.py，也考到facenet文件夹下，并在此文件夹中放了一张需要识别的图片tingting.png,图片大小没有要求（自动裁剪），图片和运行如下：
正确识别出是F3这个人，但确信度不大，可能是前面160*160没有严格裁剪的关系。