python tf.Session().run 传参 feed_dict 比较两个人脸图片的相似度

可以使用深度学习框架Tensorflow的实现来比较两个人脸图片的相似度。具体步骤如下：

1. 首先，使用Tensorflow建立一个计算图，包括输入张量、模型结构、输出张量等。

2. 加载训练好的人脸识别模型，并根据需要配置模型参数。

3. 定义两个张量，分别存储两幅人脸图片的像素值。

4. 构造一个feed_dict字典，将两个张量分别赋值给前面定义的两个输入张量。

5. 调用tf.Session().run()方法，执行计算图，同时将feed_dict作为参数传递进去。

6. 获取输出张量的值，即为两幅人脸图片的相似度。

下面是一个简单的示例代码：

import tensorflow as tf

# 定义计算图
input1 = tf.placeholder(tf.float32, [None, 224, 224, 3])
input2 = tf.placeholder(tf.float32, [None, 224, 224, 3])
output = model(input1, input2) # 根据需要配置模型参数

# 加载模型
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, "model.ckpt")

# 加载图片，分别存储像素值
img1 = load_image("image1.jpg")
img2 = load_image("image2.jpg")

# 构造feed_dict
feed_dict = {input1: img1, input2: img2}

# 执行计算图，获取输出张量的值
similarity = sess.run(output, feed_dict=feed_dict)

其中，load_image()函数用于加载图片并将其转换为张量，model()函数用于构建模型结构。需要根据具体的模型结构和数据集进行修改。