前提是TensorFlow环境以及相关的依赖环境已经安装，可以正常运行。

一、下载FaceNet源代码工程

https://github.com/davidsandberg/facenet， 解压到文件夹

二、下载数据集LFW

LFW数据集是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的
下载地址：http://vis-www.cs.umass.edu/lfw/lfw.tgz

下载完成后，把数据解压到目录facenet\data\lfw下面。

注：当然可以放在任何目录，但一定要记得目录，后面处理数据集和训练时候要用到

三、处理数据集（对齐数据集）

我们需要将待检测所使用的数据集校准为和预训练模型所使用的数据集大小一致。
1）配置环境

设置用户变量：D:\mobilenet_ssd\facenet-master\src

注：后面的地址是facenet目录的下载目录 + /src

2）处理数据集

cd facenetpython src/align/align_dataset_mtcnn.py D:\mobilenet_ssd\facenet-master\data\lfw D:\mobilenet_ssd\facenet-master\data\lfw_mtcnn_160 --image_size=160 --margin=32 --random_order --gpu_memory_fraction=0.25

注意要指定需要参数。

直接运行时会遇到 AttributeError: module 'facenet' has no attribute 'store_revision_info'， AttributeError: module 'facenet' has no attribute 'get_dataset'，的错误， 这是导入时的错误，  直接修改导入

import facenet.src.facenet as facenet
import facenet.src.align.detect_face as detect_face

四、下载已训练模型

选择pre-trained models的VGGFace2这个数据集，网盘提供一个下载链接，也可以搭梯子下。
链接：https://pan.baidu.com/s/1cZ6RTtPFcDRFLm0Rd2fB1Q 密码：u3b9

解压模型，将下载的模型减压到此目录下（如放其他目录接的在下面使用时替换为实际目录）

五、评估模型准确率

运行看评估模型在数据集的准确率

python src/validate_on_lfw.py data\lfw_mtcnn_160 F:\Python\facenet-master\20180402-114759

注：模型需要给绝对路径

结果：

Runnning forward pass on LFW images

Accuracy: 0.98500+-0.00658
Validation rate: 0.90100+-0.02395 @ FAR=0.00067
Area Under Curve (AUC): 0.998
Equal Error Rate (EER): 0.016

参考：
https://github.com/davidsandberg/facenet/wiki/Validate-on-lfw