# XcFaceNet

**Repository Path**: Vanishi/XcFaceNet

## Basic Information

- **Project Name**: XcFaceNet
- **Description**: 适用于人脸特征提取的算法训练框架
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 1
- **Created**: 2025-10-12
- **Last Updated**: 2025-12-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### XcFaceNet
* 作者：北小菜 
* 邮箱：bilibili_bxc@126.com
* QQ：1402990689
* 微信：bilibili_bxc
* 哔哩哔哩主页：https://space.bilibili.com/487906612
* gitee开源地址：https://gitee.com/Vanishi/XcFaceNet
* github开源地址：https://github.com/beixiaocai/XcFaceNet

### 项目介绍
* 适用于人脸特征提取的算法训练框架

### 安装环境请注意
* 在使用python开发项目时，推荐使用python的虚拟环境。因为同一台电脑上很可能会安装多个python项目，而不同的python项目可能会使用不同的依赖库，为了避免依赖库不同而导致的冲突，可以使用python虚拟环境
* 关于如何使用python虚拟环境，其实非常简单，文档最下面提供Windows系统和Linux系统创建和使用虚拟环境的方法
* Windows建议使用Python3.10，Linux建议使用Python3.8
* [python官网下载地址](https://www.python.org/getit/)
* [python网盘下载地址](https://pan.quark.cn/s/72df133d1343)

#### Windows系统安装Python虚拟环境
~~~

//创建虚拟环境
python -m venv venv

//切换到虚拟环境
venv\Scripts\activate

//更新虚拟环境的pip版本
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

//在虚拟环境中安装依赖库
python -m pip install -r requirements-windows-py310.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
~~~

#### Linux系统安装Python虚拟环境

~~~
//创建虚拟环境
python -m venv venv

//激活虚拟环境
source venv/bin/activate

//更新虚拟环境的pip版本
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

//在虚拟环境中安装依赖库
python -m pip install -r requirements-linux-py38.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

~~~

### 安装pytorch-gpu依赖库
* pip install torch==2.1.0 torchaudio==2.1.0 torchvision==0.16.0 --index-url https://download.pytorch.org/whl/cu121
* 注意：安装pytorch-gpu训练环境，请根据自己的电脑硬件选择cuda版本，比如我上面选择的https://download.pytorch.org/whl/cu121，并非适用所有电脑设备，请根据自己的设备选择

### 如何训练

1. 准备训练数据集
```
|-datasets
    |-train
        |-people0
            |-123.jpg
            |-234.jpg
        |-people1
            |-345.jpg
            |-456.jpg
        |-...
    |-train.txt
```  
* 作者的训练数据集train，网盘下载地址：https://pan.quark.cn/s/8e3ee0542b3f
* 训练数据集train生成train.txt文件的脚本，见tools/create_train.py

2. 准备验证数据集
```
|-datasets
    |-lfw
        |-people100
            |-2123.jpg
        |-people101
            |-3345.jpg
            |-3456.jpg
        |-...
    |-lfw.txt
```  
* 作者的验证数据集lfw，网盘下载地址：https://pan.quark.cn/s/8e3ee0542b3f
* 验证数据集lfw生成lfw.txt文件的脚本，见tools/create_lfw.py

3. 训练模型
* python train.py

4. 测试模型 
* python test.py

5. 模型转换
~~~
//将pth模型转换为onnx格式的模型（gpu版本）
//依赖库：pip install onnxruntime==1.19.0 onnx==1.16.1  -i https://pypi.tuna.tsinghua.edu.cn/simple
python export2onnx.py --model_path ./runs/model.pth --onnx ./runs/model.onnx--device cuda

//将pth模型转换为onnx格式的模型（cpu版本）
//依赖库：pip install onnxruntime==1.19.0 onnx==1.16.1  -i https://pypi.tuna.tsinghua.edu.cn/simple
python export2onnx.py --model_path ./runs/model.pth --onnx ./runs/model.onnx

//将onnx模型转换为openvino格式的模型
//依赖库：pip install openvino==2024.3.0 openvino-dev==2024.3.0 onnxruntime==1.19.0 onnx==1.16.1  -i https://pypi.tuna.tsinghua.edu.cn/simple
mo --input_model ./runs/model.onnx  --output_dir ./runs/model_openvino_model

注意: mo命令是openvino官方提供的模型转换工具，mo使用可参考 https://blog.csdn.net/qq_44632658/article/details/131270531
显式禁用压缩: --compress_to_fp16=False


//将onnx模型转换为tensorrt格式的模型
trtexec --onnx=./runs/model.onnx --saveEngine=model.fp16.engine --fp16 --minShapes=input:1x3x160x160  --optShapes=input:64x3x160x160  --maxShapes=input:64x3x160x160
注意: trtexec命令tensorrt官方提供的模型转换工具，trtexec使用可参考 https://blog.csdn.net/weicao1990/article/details/130827602

~~~