一、任务需求

根据项目任务计划书，目的让facenet能够在昇腾环境上高效运行，确保项目在平台上具备良好的兼容性和性能，旨在通过深度学习技术实现高效、准确的人脸识别和验证。

二、开发过程

明确任务目的和demo要求后，先获取源码，facenet的github网址:https://github.com/timesler/facenet-pytorch。首先创建一个进行开发过程的虚拟环境，conda create -n facenet python=3.10；然后使用git clone https://github.com/timesler/facenet-pytorch.git 获取开源代码，这个任务所需要的权重文件不需要去下载，它们会在模型实例化的时候自动下载。

（1）安装相关依赖

#推理功能所需环境

pip install facenet-pytorch 

pip install cloudpickle ml-dtypes scipy pandas

#安装torch和torch_npu所需版本为2.2.0，对应的torchvision=0.17.0，过高会不兼容

pip install torchvision==0.17.0

pip install pyyaml decorator attrs psutil

#自动追踪功能所需环境

pip install mmcv

（2）运行推理代码

运行代码之前，需要先确定好源码中所用到的模型的具体路径；代码在facenet-pytorch-master\examples路径下。可以分别实现人脸识别和实时人脸追踪功能，源码是.ipynb格式，可根据需要转为.py文件运行。

infer_cn_terminal：推理代码，源码用的是jupyter，修改部分代码，在终端交互，指定npu加速模块

face_tracking_cn_terminal：实时追踪代码，源码用的是jupyter，修改部分代码，在终端交互，指定npu加速模块

三、结果

facenet是一个开源的、基于深度学习的人脸识别和验证工具

infer

tracking

npu