tensorflow人脸识别学习笔记

完成吴恩达机器学习视频编程作业的练习，积累项目中。
先搭建环境。只用opencv的API，简单点就pip3安装
突发环境问题，pycharm识别不到第三方库地址：https://blog.****.net/qq_20367813/article/details/79608108
pycharm中找不到cv2，重新来安装opencv吧。
https://blog.****.net/new_delete_/article/details/84797041
安装完后vim可以用cv2，但是pycharm不行，安装python3-opencv,重启ide。
每个进步都是拿时间砸出来的。

实现了图像采集，部分处理。

关于tf.nn.conv2d()#卷积函数的介绍：
https://www.cnblogs.com/qggg/p/6832342.html
这两篇文章大概说了softmax公式_交叉熵tf.nn.softmax_cross_entropy_with_logits()
https://blog.****.net/john_xyz/article/details/61211422
上边文章在代码中给出了公式演示。
https://blog.****.net/hk_john/article/details/78488684
卷积原理简单复习下：
https://blog.****.net/business122/article/details/80942680
with tf.Session() as sess:
print(accuracy.eval({x:mnist.test.images,y_: mnist.test.labels}))
等价
with tf.Session() as sess:
print(sess.run(accuracy, {x:mnist.test.images,y_: mnist.test.labels}))

搭建cnn训练，识别。

已经完成图片采集，图片处理，cnn训练，识别人脸，但是准确度不够。改进中。

探索下自带的人脸分类器是否够精准。


默认分类器明显对黑同胞脸部识别不够好。

晚上做梦都在思考：既然全连接层输出和标签one-hot比较，大概想了这么几个思路：1.全连接层直接输出可靠度低，增加神经网络层。
2，更像是分类器而不是识别，后期尝试改掉one-hot.
3,分类器识别不够准确，但是面部照片可以实现采集，特征区分已经是face_recognition的问题。