此部分为隐藏内容，请输入验证码后查看
扫描右侧图片或微信搜索 “ Java技术分享屋 ” ，回复 “ 验证码 ” ，获取验证密码。
本资料仅供读者预览及学习交流使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版！
一.资料图片
二.资料简介
3年python 开发经验，精通Python 后台开发，熟悉机器学习常用算法和深度学习框架Tensorflow、Pytorch，熟悉Numpy 与Pandas，熟悉熟悉HTTP 协议、socket 以及UWSGI 协议，熟悉常用Linux 命令，熟练使用git 常用操作。对待工作认真负责、责任心强，与同事相处融洽，具有良好的团队协作意识。
● 人脸检测于提取------>>组建输入数据格式------>>模型的训练与测试 >>准确率展示以及超参数选择
1. 使用multiprocessing 多进程、opencv、dlib 来进行人脸对齐与裁剪：
首先使用opencv 读取不同人的图片数据，并将bgr 格式转换为rgb 格式的数据然后使用dlib 库对rgb 数据进行检测，与图片的裁剪
最后按读取顺序，使用opencv 将rgb 数据转化为bgr 格式，并且保存成带有序列的图片文件
2. 构建输入数据的方式：从上边输出的数据集随机选取一个样本anchor，然后再随机选取一个与
anchor 同类的样本postive，在选择一个与anchor 不同类的样本，记为negative,构建一个三元组
（anchor，positive、negative）
3. 以VGG-16网络结构为基础，搭建一个共享参数的13层卷积核为3，步长为1的卷积层和3个全连接层， 最后输出128维度的照片数据。
损失函数：让同类型照片的之间距离差最小，不同类之间距离差最大，然后损失函数就是将上边直 接距离相减再加一个阀值
4. 模型训练与测试：按批次50张数据输入，训练模型，准确率展示出来
5. 确认最优超参数：阀值与学习率