| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> Python知识库 -> 我用Python写了一个颜值打分机器!你觉得谁最漂亮? -> 正文阅读 |
|
[Python知识库]我用Python写了一个颜值打分机器!你觉得谁最漂亮? |
正文? ? 如何正确的上班摸鱼,还能看美女!还不让老板发现?接下来就是我大展身手的时候了,说不定老板还会跟你一起看哪位妹子最漂亮哦!利用CNN训练个颜值打分器 PS: 如果预测结果不理想(啧啧啧),不必当真,这只是一个供大家学习的小例子。 开发工具Python版本:3.5+ 相关模块: pytorch-0.4.1模块 torchvision模块; numpy模块; opencv-python模块; scikit-image模块; matplotlib模块; pandas模块; pillow模块; dlib模块; argparse模块; 以及一些Python自带的模块。 环境搭建
安装Python并添加到环境变量,pip安装需要的相关模块即可。 GPU训练环境: 请自行查阅相关的网络教程。 ? 一. 模型训练 (1)数据集 SCUT-FBP5500-Database,这是华南理工大学发布的一个数据集。选择其中80%作为训练数据集,20%作为测试数据集。 PS: ①数据集中的颜值范围为0-5,数值越高,对应的颜值就越高。 ②训练数据集带有【数据偏见】,仅供学习娱乐,切勿当真。 ③数据集下载链接: https://github.com/HCIILAB/SCUT-FBP5500-Database-Release (2)模型 resnet18,其结构如下: ? ?实际应用时去除了softmax,并将FC层的输出大小改为了1。 (3)损失函数 MSE(均方误差) (4)优化器 Adam 二. 模型应用 模型训练好就是应用模型进行颜值预测了,实现步骤介绍如下。 (1)人脸检测 还是和原来一样,调用dlib库实现人脸检测。 (2)颜值预测 把检测到的人脸输入到训练好的网络中实现人脸的颜值预测。 三. 具体实现 详见相关文件,各个文件实现的功能介绍如下: train.py:模型训练; predict.py:颜值预测; dataset.py:导入数据集; config.py:配置文件; Visualization.py:结果可视化文件。 模型训练: 根据自己的情况修改配置文件后,运行train.py文件即可。 颜值预测: 运行predict.py文件即可,命令格式: python predict.py -i img_path -m model_path ? 一. 模型训练 模型训练的日志文件在相关文件中已经提供了。 其测试集预测准确率随训练变化的曲线如下: ? 二. 模型应用 以刘亦菲(*^▽^*)为例: ? 在cmd窗口运行命令: ? 结果如下: ? 4.54(满分是5分)。这里就不给你们看咱们公司的妹子了,妹子嘛还是要注意安全之内的!所以我就放我的女神给大家饱饱眼福吧!哈哈哈 需要完整代码,教程的 ①兼职交流,行业咨询、大佬在线专业解答 ②Python开发环境安装教程 ③Python400集自学视频 ④软件开发常用词汇 ⑤Python学习路线图 ⑥3000多本Python电子书 如果你用得到的话可以直接拿走,点击领取。不方便点链接的加群:948351247? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 | -2024/12/26 23:05:04- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |
数据统计 |