Arcface-PyTorch：3 步装好并跑通你的人脸识别训练
【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码，可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorch
这是一个基于 PyTorch 的 Arcface 人脸识别模型实现，你能用它训练自己的权重，并在 LFW（人脸评估基准数据集）上验证效果。本文带你 4 步完成 Arcface-PyTorch 安装与配置，全程不需要额外折腾。
📋 动手前：环境自查
| 检查项 | 要求 | 说明 |
|---|---|---|
| Python | 3.6 或更高 | python --version查看 |
| PyTorch | 1.2.0 | 项目按此版本编写；30 系显卡建议用 1.7.0 |
| GPU | 可选 | 有 CUDA 显卡体验更好；没有就改cuda=False用 CPU |
| 磁盘 | 5GB 以上空闲 | CASIA-WebFaces 训练集（人脸训练数据集）较大，另有 LFW 评估集 |
| 权重 | 可选 | 仓库已自带arcface_mobilefacenet.pth，可直接开训 |
🚀 从克隆到跑通：4 个步骤
第 1 步：克隆项目到本地
git clone https://gitcode.com/gh_mirrors/arc/arcface-pytorch cd arcface-pytorch第 2 步：安装 PyTorch 环境
pip install torch==1.2.0如果跑 训练入口 时报No module named xxx，缺什么就pip install xxx，比如 numpy、tqdm。
第 3 步：下载数据集并放到根目录
训练集 CASIA-WebFaces 和评估集 LFW 在同一个网盘包：
- 链接：https://pan.baidu.com/s/1qMxFR8H_ih0xmY-rKgRejw
- 提取码：bcrq
解压后放在项目根目录。注意训练数据要按「每人一个文件夹」组织，即datasets/people0/123.jpg这种结构，这是项目读取的固定格式。
想换别的 backbone（主干特征提取网络，如 mobilenet、iresnet）的权重，就下载权重包放进 权重目录：
- 链接：https://pan.baidu.com/s/1ElJlfmMwOGX699MsgLY8qA
- 提取码：z3rq
第 4 步：生成标注文件并启动训练
python txt_annotation.py python train.pytxt_annotation.py会扫描每个人脸文件夹，生成cls_train.txt供train.py读取。启动前检查 train.py 里的backbone与model_path：想加载已有权重续训，两者必须对应；model_path留空加pretrain=True则只加载主干预训练权重。
训练结束后，跑 预测脚本 输入仓库自带的img/1_001.jpg和img/1_002.jpg，能打印出两张人脸的距离值，就说明链路通了。
⚠️ 容易卡住的 3 个地方
问：运行 train.py 报No module named 'torch'？答：多半是装到了另一个环境、或没激活环境。在当前激活环境里pip list确认，没有就重装pip install torch==1.2.0。
问：训练好了，预测时 model_path 指向哪个文件？答：选 logs 文件夹下验证损失较低的权重文件，并让 arcface.py 里的 backbone 和训练时一致。验证损失低只说明泛化好，不保证准确度最高。
问：机器没有 GPU，能跑吗？答：能。把 arcface.py 里的cuda改成 False 走 CPU，预测没问题，训练会明显变慢。
训练完建议先跑 LFW 评估入口 看准确率，之后可以试试调学习率、batch size，或换 backbone 对比效果。
【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码，可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorch
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
