There is too many versions. Can anyone tell me which is the best from the model provided until now .

[pyupcgithub]

model-20180309-083949.ckpt-60000 ? model-20180626-205832.ckpt-60000 ? and how to choose the parameters ?

[pyupcgithub]

@yule-li

[chenyyx]

if you want to train a new model,please modify these parameters according to the train.sh . if you just want to run the model which author given, the sphere-network ,you should to use 20180309-083949.ckpt.

2.3 测试及文件修改 2.3.1 test.sh 文件修改 文件说明：测试直接执行的 shell 脚本文件，调用 test.py 文件。

需要修改的内容如下：

MODEL_DIR 说明：预训练好的 cosface 的 tf 版本模型（如：model-20180309-08394.ckpt-60000） 更改：改为自己训练得到 或者 作者预训练完成的模型 所存储的路径。 TEST_DATA 说明：测试数据集。（lfw-112X96） 更改：改为自己的测试数据集所存储的路径。（我们使用的 lfw-112X96 数据集的存储路径） EMBEDDING_SIZE 说明：EMBEDDING_SIZE 参数。 更改：设置为之前训练的时候使用的 EMBEDDING_SIZE 参数，保证训练和测试阶段此参数是一致的。否则将会报错。值得注意的一点是，作者给出的训练完成的模型的此参数是 512，而它给出的 训练过程中使用的参数是 1024，一定要记得修改一下。 位于文件最底端的命令部分： 说明：具有 2 个版本 —— gpu 版本 和 cpu 版本，看着自己的情况修改使用。 gpu 版本：CUDA_VISIBLE_DEVICES=1 python test/test.py ${TEST_DATA} ${MODEL_DIR} --lfw_file_ext jpg --network_type sphere_network --embedding_size ${EMBEDDING_SIZE} ${FC_BN} ${PREWHITEN} --image_height ${IMAGE_HEIGHT} --image_width ${IMAGE_WIDTH} cpu 版本： python test/test.py ${TEST_DATA} ${MODEL_DIR} --lfw_file_ext jpg --network_type sphere_network --embedding_size ${EMBEDDING_SIZE} ${FC_BN} ${PREWHITEN} --image_height ${IMAGE_HEIGHT} --image_width ${IMAGE_WIDTH} 文件底端命令参数说明： 其中的 CUDA_VISIBLE_DEVICES=1 的意思是，tf 可用 gpu 为 编号为 1 的 gpu，其他的 gpu 是不可以使用的。 test/test.py 是运行的 test.py 文件 lfw_file_ext jpg 是说，lfw 数据集的图像的扩展名是 jpg network_type sphere_network 这个参数的意思是，我们训练完成的模型使用的 网络结构是 sphere_network embedding_size 就是我们上面提到的 EMBEDDING_SIZE 参数。 image_height 设置的是图像的高 image_width 设置的是图像的宽 2.3.2 test.py 文件修改 文件说明：模型测试文件，加载 训练好的模型，并在 lfw 数据集上进行测试。

文件修改参数如下：

line 72 saver.save(sess,'./tmp_saved_model',global_step=1) 说明：模型临时存储路径。 更改：改不改均可。 line 109 emb_array[start_index:end_index,:] = feats 说明：模型输出向量。 更改：无需更改。 line 129，130 parser.add_argument('--network_type', type=str, help='Network structure.',default='resnet50') 说明：加载预训练模型的网络结构类型。 更改：改为我们预训练模型的类型 sphere_network 。（默认是 resnet50） line 139，140 parser.add_argument('--lfw_batch_size', type=int, help='Number of images to process in a batch in the LFW test set.', default=200) 说明：lfw 数据集的 batch size 。 更改：无需更改。默认即可。 line 151，152 parser.add_argument('--lfw_pairs', type=str, help='The file containing the pairs to use for validation.', default='data/pairs.txt') 说明：lfw 的 pairs 文件。 更改：无需更改。 line 168, 169 parser.add_argument('--model_def', type=str, help='Model definition. Points to a module containing the definition of the inference graph.', default='models.inception_resnet_v1') 说明：模型定义，指向包含推理图定义（the definition of the inference graph）的模块。 更改：将原来默认的 default='models.inception_resnet_v1' 改为： default='models.sphere_network' 2.3.3 其余文件说明 lib/lfw.py 说明： lfw 数据集工具文件，图像加载，pairs 文件加载，模型 evaluate 等。 更改：无更改。 lib/utils.py 说明：工具文件，模型的加载等。 更改：无更改。 networks/sphere_network.py 说明：网络模型结构文件。 更改：无更改。 2.4 开始测试 在更改完成以上修改之后，在终端执行以下命令即可：

shell sh ./test.sh

[pyupcgithub]

@chenyyx thank you for your reply. for the best pretrained model , do i need to do flip and prewhiten ?

[chenyyx]

@pyupcgithub I didn't test like this at the time, you can try it.

[pyupcgithub]

@chenyyx ok, thank u.