来源头条作者:雷峰网雷锋网按：本文作者灰灰，本文原载于作者的知乎专栏。雷锋网获得授权转载。

机器学习是不是很无聊，用来用去都是识别字体。能不能帮我找到颜值高的妹子，顺便提高一下姿势水平。

FaceRank 基于 TensorFlow CNN 模型，提供了一些图片处理的工具集，后续还会提供训练好的模型。给 FaceRank 一个妹子，他给你个分数。

从此以后筛选简历，先把头像颜值低的去掉；自动寻找女主颜值高的小电影；自动关注美女；自动排除负分滚粗的相亲对象。从此以后升职加薪，迎娶白富美，走上人生巅峰。

苍老师镇楼：

隐私

因为隐私问题，训练图片集并不提供，但是提供了人脸抽取，图片大小归一化工具，稍微可能会放一些卡通图片。

数据集

130 张 128*128 张网络图片，图片名：1-3.jpg 表示 分值为 1 的第 3 张图。 你可以把符合这个格式的图片放在 resize_images 来训练模型。

find_faces_in_picture.py

find_and_save_face 基于 face_recognition 从图片中找到人脸的坐标，并保存为新图片。

然后再用 resize 统一为 128×128 大小，为模型训练做准备。

模型

人脸打分基于 TensorFlow 的 CNN 模型 代码参考 : TensorFlow-Examples

卷积神经网络部分代码，网络结构说明：卷积层，池化层，卷积层，池化层，全链接层。

运行

安装好 TensorFlow 之后，直接运行 train_model.py.

训练模型

保存模型到 model 文件夹

测试

运行完 train_model.py之后, 直接运行run_model.py来测试.

下载

训练好的模型可以在以下网址下载： http://www.tensorflownews.com/

模型效果

训练过程 你可以看训练过程：Train_Result.md, 这里有损失函数和准确率变化过程。

测试结果 结果并不非常好，但是增加数据集之后有所改善。

(?, 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