这次展示下孪生网络的模型训练示例，先看下使用的数据：

数据使用的是att_faces人脸数据，共40人，每人10张照片，我们最终的预测目标是根据一张人脸，找到其最相似的多张图片。

上述代码是对样本的处理，init函数中我们从样本文件中提取所有样本信息，这里包括两张图片的路径，以及label（0=同一人，1=不同人），getitem则是对每个样本进行处理，主要是图像的各种变换处理。

这是模型的网络层，其中包含4个卷积层、2个全连接层，代码中有具体注释。

这是损失函数，由于是孪生网络，所以对比的是两张图片的距离。

上述就是主要的处理函数，下面看下训练代码：

这里大致说一下逻辑，每个epoch是一个完整样本集的训练，每次训练用一个batch_size的数据集进行模型参数更新，这里在每次epoch后会对测试集进行损失计算，并根据训练集和测试集损失函数变换确定最终的epoch。

这是训练50个epoch后每个epoch对应的训练集和测试集损失函数值，从图中9以后测试集不再变小，训练集减小幅度也很小了，这里就取epoch=8为当前的最优值。

本节内容就这些，想下载源码的可以微信公众号回复：孪生网络模型训练

公众号名称：桔子的算法之路