TensorFlow环境 人脸识别 FaceNet 应用（一）验证测试集
前提是TensorFlow环境以及相关的依赖环境已经安装，可以正常运行。
一、下载FaceNet源代码工程
git clone --recursive https://github.com/davidsandberg/facenet.git
二、下载数据集LFW
LFW数据集是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的
下载地址：http://vis-www.cs.umass.edu/lfw/lfw.tgz
下载完成后，把数据解压到目录facenet\data\lfw\raw下面。
sudo mkdir lfw/raw
sudo tar xvf lfw.tgz -C lfw/raw --strip-components=1
注：当然可以放在任何目录，但一定要记得目录，后面处理数据集和训练时候要用到
三、处理数据集（对齐数据集）
我们需要将待检测所使用的数据集校准为和预训练模型所使用的数据集大小一致。
1）配置环境
export PYTHONPATH=/home/dyufei/source/facenet/facenet/src
注：后面的地址是facenet目录的git下载目录 + /src
2）处理数据集
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、下载已训练模型
选择pre-trained models的MS-Celeb-1M这个数据集，网盘提供一个下载链接，也可以搭梯子下。
链接：https://pan.baidu.com/s/1nvBX233 密码：s0sb
解压模型
mkdir models/facenet/20170512-110547
将下载的模型减压到此目录下（如放其他目录接的在下面使用时替换为实际目录）
五、评估模型准确率
运行看评估模型在数据集的准确率
python src/validate_on_lfw.py data/lfw/lfw/lfw_mtcnnpy_160 /home/dyufei/source/facenet/facenet/models/facenet/20170512-110547
注：模型需要给绝对路径
结果：
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
参考：
https://github.com/davidsandberg/facenet/wiki/Validate-on-lfw
