來源頭條作者:雷峰網雷鋒網按：本文作者灰灰，本文原載于作者的知乎專欄。雷鋒網獲得授權轉載。

機器學習是不是很無聊，用來用去都是識別字體。能不能幫我找到顏值高的妹子，順便提高一下姿勢水平。

FaceRank 基于 TensorFlow CNN 模型，提供了一些圖片處理的工具集，后續還會提供訓練好的模型。給 FaceRank 一個妹子，他給你個分數。

從此以后篩選簡歷，先把頭像顏值低的去掉；自動尋找女主顏值高的小電影；自動關注美女；自動排除負分滾粗的相親對象。從此以后升職加薪，迎娶白富美，走上人生巔峰。

蒼老師鎮樓：

隱私

因為隱私問題，訓練圖片集并不提供，但是提供了人臉抽取，圖片大小歸一化工具，稍微可能會放一些卡通圖片。

數據集

130 張 128*128 張網絡圖片，圖片名：1-3.jpg 表示 分值為 1 的第 3 張圖。 你可以把符合這個格式的圖片放在 resize_images 來訓練模型。

find_faces_in_picture.py

find_and_save_face 基于 face_recognition 從圖片中找到人臉的坐標，并保存為新圖片。

然后再用 resize 統一為 128×128 大小，為模型訓練做準備。

模型

人臉打分基于 TensorFlow 的 CNN 模型 代碼參考 : TensorFlow-Examples

卷積神經網絡部分代碼，網絡結構說明：卷積層，池化層，卷積層，池化層，全鏈接層。

運行

安裝好 TensorFlow 之后，直接運行 train_model.py.

訓練模型

保存模型到 model 文件夾

測試

運行完 train_model.py之后, 直接運行run_model.py來測試.

下載

訓練好的模型可以在以下網址下載： http://www.tensorflownews.com/

模型效果

訓練過程 你可以看訓練過程：Train_Result.md, 這里有損失函數和準確率變化過程。

測試結果 結果并不非常好，但是增加數據集之后有所改善。

(?, 128, 128, 24) (?, 64, 64, 24) (?, 64, 64, 96) (?, 32, 32, 96) [‘1-1.jpg’, ‘1-2.jpg’, ‘10-1.jpg’, ‘10-2.jpg’, ‘2-1.jpg’, ‘2-2.jpg’, ‘3-1.jpg’, ‘3-2.jpg’, ‘4-1.jpg’, ‘4-2.jpg’, ‘5-1.jpg’, ‘5-2.jpg’, ‘6-1.jpg’, ‘6-2.jpg’, ‘7-1.jpg’, ‘7-2.jpg’, ‘8-1.jpg’, ‘8-2.jpg’, ‘9-1.jpg’, ‘9-2.jpg’] 20 (10, 128, 128, 3) [3 2 8 6 5 8 0 4 7 7] (10, 128, 128, 3) [2 6 6 6 5 8 7 8 7 5] Test Finished!

支持

提交 issue

Github: https://github.com/fendouai/FaceRank