1. 在下載的資料集內新建一個空資料夾，命名為“lfw_160”；

原影象大小為250*250，如下圖：

2. 我們需要將待檢測所使用的資料集校準為和預訓練模型所使用的資料集大小一致（160*160），轉換後的資料集儲存在lfw_160資料夾內；

3. 設定環境變數，在計算機-->屬性-->高階系統設定-->環境變數 中,新建PYTHONPATH，鍵入

C:\ProgramFiles\Anaconda3\Lib\site-packages\facenet，如圖所示；

4. 在cmd命令列下面，輸入set，檢視設定情況，如下：

5. 開啟Anaconda Prompt切換到facenet目錄，輸入如下命令進行校準：

python src\align\align_dataset_mtcnn.py --help

6. 再輸入如下命令：

python src\align\align_dataset_mtcnn.py data/lfw/rawdata/lfw/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction0.25

經過20-30分鐘，圖片轉換結束，如下：

7. 校準後，發現影象大小變成160*160；

下載訓練好的網路模型

1. facenet提供了兩個預訓練模型，分別是基於CASIA-WebFace和MS-Celeb-1M人臉庫訓練的，如下：

2. 第一個模型20170511-185253下載地址：

第二個模型20170512-110547下載地址：

3. 本人使用的是基於資料集CASIA-WebFace採用Inception ResNet v1神經網路結構訓練好的模型。模型儲存在Google網盤，需要翻牆。推薦大家用Lantern；

4. 把下載的檔案解壓到src\models\目錄下面，如下所示：

5. 程式也下載了，測試資料集LFW也有了，模型也有了，接下來就是評估模型的準確率；

評估預訓練模型的準確率

1. 在cmd命令列或者Anaconda Propmt下定位到facenet資料夾下；

2. 輸入以下命令：

Python src\validate_on_lfw.py data\lfw\lfw_160 src\models\20170511-185252\20170511-185252