🌹 喇賽的人 Blog 🌹

🌹 喇低喇賽 🌹

0%

python 正妹分析

亂寫於 更新於 Disqus：
廢話字數： 4.1k 所需傷眼時間 ≈ 4 分鐘

 

無聊看到這個人臉分數專案 自己想說也抓來玩看看 , 折磨了一翻

我用的 python 環境 3.9.18

1
2
conda create --name face3 python=3.9
conda conda activate face3
1
git clone https://github.com/ustcqidi/BeautyPredict.git

安裝以下套件 

1
pip install -r requirements.txt

requirements.txt

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
absl-py==2.0.0
astunparse==1.6.3
cachetools==5.3.2
certifi==2023.11.17
charset-normalizer==3.3.2
contourpy==1.2.0
cycler==0.12.1
dlib==19.24.2
flatbuffers==23.5.26
fonttools==4.46.0
gast==0.5.4
google-auth==2.25.2
google-auth-oauthlib==1.2.0
google-pasta==0.2.0
grpcio==1.60.0
h5py==3.10.0
idna==3.6
importlib-metadata==7.0.0
importlib-resources==6.1.1
keras==2.15.0
kiwisolver==1.4.5
libclang==16.0.6
Markdown==3.5.1
MarkupSafe==2.1.3
matplotlib==3.8.2
ml-dtypes==0.2.0
numpy==1.26.2
oauthlib==3.2.2
opencv-python==4.8.1.78
opt-einsum==3.3.0
packaging==23.2
Pillow==10.1.0
protobuf==4.23.4
pyasn1==0.5.1
pyasn1-modules==0.3.0
pyparsing==3.1.1
python-dateutil==2.8.2
requests==2.31.0
requests-oauthlib==1.3.1
rsa==4.9
scipy==1.11.4
six==1.16.0
tensorboard==2.15.1
tensorboard-data-server==0.7.2
tensorflow==2.15.0
tensorflow-estimator==2.15.0
tensorflow-intel==2.15.0
tensorflow-io-gcs-filesystem==0.31.0
termcolor==2.4.0
typing_extensions==4.9.0
urllib3==2.1.0
Werkzeug==3.0.1
wrapt==1.14.1
zipp==3.17.0

因為不想下載啥百度 , 所以找到這個資料集 SCUT-FBP5500-Database-Release
下載解壓後建一個資料夾 dataset\SCUT-FBP5500 把東西都往裡面丟
接著建立 dataset\SCUT-FBP5500\All_Ratings 資料夾

1
md "dataset\SCUT-FBP5500\All_Ratings"

然後把 All_Ratings.xlsx 裡面的亞洲女人 sheet 另存成 csv 取名為 female_yellow_images.csv
然後用 csvq 篩選想要的即可 , 好像只要前三個欄位
我這裡電腦比較爛就搞個五萬筆

1
csvq -o female_white_images.csv --write-delimiter ',' 'select Rater,Filename,Rating from `female_yellow_images.csv` limit 50000'

接著找到 prepare_data.py 只留下亞洲女人的 female_yellow_images.csv 即可

1
rating_files = ['female_yellow_images.csv']

然後 cd 到 train/ldl+resnet 執行 prepare_data.py 標記

1
2
cd .\train\ldl+resnet\
python prepare_data.py

這個時候會噴 AttributeError: scipy.misc is deprecated and has no attribute toimage
找到這句

1
img = scipy.misc.toimage(img)

修改為

1
img = Image.fromarray(img.astype('uint8'), 'RGB')

然後會出現 test_lable_distribution.dat train_lable_distribution.dat

接著執行訓練模型 train_model.py
會噴 ImportError: cannot import name 'Dense' from 'keras.applications.resnet50'

將原本的

1
from keras.applications.resnet50 import Dense

改成引用

1
from tensorflow.python.keras.layers.core import Dense

這時會噴 ValueError: decay is deprecated in the new Keras optimizer, please check the docstring for valid arguments, or use the legacy optimizer, e.g., tf.keras.optimizers.legacy.SGD.

加入引用

1
import tensorflow as tf

然後修改

1
sgd = SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)

變這樣

1
sgd = tf.keras.optimizers.legacy.SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)

然後這裡有個 暴雷 的點要在 train/ldl+resnet 底下建立 model-dropout 這個資料夾 , 不然他的 model 沒辦法放超無言 , 都跑老半天才搞這錯誤

最後會產出 model-ldl-resnet.h5 這個檔案

接著執行 python test_model.py 他會噴 cannot import name 'Dense' from 'keras.applications.resnet50' 修改成以下這樣即可

1
2
# from keras.applications.resnet50 import Dense
from tensorflow.python.keras.layers.core import Dense

最後複製模型 model-ldl-resnet.h5 並切到 inference\ldl+resnet 資料夾底下 , 執行 beauty_predict.py

1
2
cd inference\ldl+resnet
python beauty_predict.py

他會喷這個錯 cannot import name 'adam' from 'keras.optimizers'
只要註解以下即可修正

1
# from keras.optimizers import adam

然後又會噴一次 cannot import name 'Dense' from 'keras.applications.resnet50'
依照先前的方法修正即可

1
2
# from keras.applications.resnet50 import Dense
from tensorflow.python.keras.layers.core import Dense

最後跑之前把圖片丟到 samples/image 記得修正下你要的檔案名稱 test7 林志玲

1
beauty_predict(parent_path+"/samples/image",'test7.jpg')
關閉