TensorFlow環境 人臉識別 FaceNet 應用（一）驗證測試集
前提是TensorFlow環境以及相關的依賴環境已經安裝，可以正常運行。
一、下載FaceNet源代碼工程
git clone --recursive https://github.com/davidsandberg/facenet.git
二、下載數據集LFW
LFW數據集是由美國馬薩諸塞大學阿姆斯特分校計算機視覺實驗室整理的
下載地址：http://vis-www.cs.umass.edu/lfw/lfw.tgz
下載完成后，把數據解壓到目錄facenet\data\lfw\raw下面。
sudo mkdir lfw/raw
sudo tar xvf lfw.tgz -C lfw/raw --strip-components=1
注：當然可以放在任何目錄，但一定要記得目錄，后面處理數據集和訓練時候要用到
三、處理數據集（對齊數據集）
我們需要將待檢測所使用的數據集校准為和預訓練模型所使用的數據集大小一致。
1）配置環境
export PYTHONPATH=/home/dyufei/source/facenet/facenet/src
注：后面的地址是facenet目錄的git下載目錄 + /src
2）處理數據集
cd facenet
python src/align/align_dataset_mtcnn.py data/lfw/raw data/lfw/lfw_mtcnnpy_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25
四、下載已訓練模型
選擇pre-trained models的MS-Celeb-1M這個數據集，網盤提供一個下載鏈接，也可以搭梯子下。
鏈接：https://pan.baidu.com/s/1nvBX233 密碼：s0sb
解壓模型
mkdir models/facenet/20170512-110547
將下載的模型減壓到此目錄下（如放其他目錄接的在下面使用時替換為實際目錄）
五、評估模型准確率
運行看評估模型在數據集的准確率
python src/validate_on_lfw.py data/lfw/lfw/lfw_mtcnnpy_160 /home/dyufei/source/facenet/facenet/models/facenet/20170512-110547
注：模型需要給絕對路徑
結果：
Runnning forward pass on LFW images
Accuracy: 0.992+-0.003
Validation rate: 0.97467+-0.01477 @ FAR=0.00133
Area Under Curve (AUC): 1.000
Equal Error Rate (EER): 0.007
參考：
https://github.com/davidsandberg/facenet/wiki/Validate-on-lfw