LeslieZhao

Hi @xiaofuguilala 对于实时训练我也没有太接触过，对于减少训练时间，最近GOOGLE的BERT训练时间可以数十倍减少，大概就是对梯度计算的处理，和并行有点像，你可以去参考一下，希望对你有所帮助！

https://github.com/LeslieZhoa/tensorflow-facenet/blob/f875d0d4c244ac596b355cb4dbc0ab8fa1ed0edb/train/train.py#L188 如果你没有修改这里，应该不会有错，希望对你有所帮助

确实是有问题的，我的模型应该就是基于此训练的，所以如果要改正需要重新训练模型，不过我想效果应该会更好！相应问题已添加到readme，再次感谢!

设定是150epoch但我应该提前结束了，具体哪个epoch我也记不清了

两种情况，1:records生成有问题，2:records读取有问题， 尝试一下生成records之前加一下resize

Hi @chenwuxing ,模型文件是要下载下来放置到根目录下的model文件夹里的，model文件夹需要自己创建 ，你可以看看https://github.com/LeslieZhoa/tensorflow-facenet/blob/b98a2c3e96776e9cbba2dbc5b56294844f2709a5/test/embeddings.py#L34 ，这里的代码，模型文件放在了../model里。 希望对你有所帮助。

我是试的😂

Hi @RondaRousey ,这种就是多任务训练，损失函数计算会根据label值来分别计算landmark和bbox,通俗来讲就是各管各的活，一起干效果更好，如果数据既有landmark又有bbox，单凭label值很难区分两种数据，就谈不上是多任务了，只能算是单任务多输出而已，而且这样对样本的要求也比较大。 希望可以帮助到你！

Hi @Anyyyyyyy 个人感觉如果你单纯检测可以使用ssd或者yolo3, MTCNN之所以效果好就是因为有landmark多任务训练会对bbox精度有所提升，希望对你有所帮助！

Hi @mmcgg 网络的pipline是pnet的输出到rnet的，直接把pnet的输出和原始数据一同作为rnet的输出会不会对rnet的数据分布有影响呢？个人愚见