人脸识别pytorch，完整代码

人脸识别是一个广泛应用深度学习的领域，特别是在PyTorch框架中，可以使用预训练的模型如MTCNN、Dlib或FaceNet等进行人脸检测和识别。以下是一个简单的PyTorch人脸识别示例，使用预训练的ArcFace模型进行人脸识别：

# 首先，确保已经安装了torch, torchvision, dlib以及face_recognition库
# 安装：pip install torch torchvision dlib face_recognition

import torch
from torchvision.models import resnet18
from torchvision.transforms import ToTensor
from dlib import get_frontal_face_detector
from face_recognition import load_image_file

# 加载预训练的ResNet18作为特征提取器
model = resnet18(pretrained=True)
model.eval()  # 设置为评估模式，不更新权重

# 使用dlib进行人脸检测
detector = get_frontal_face_detector()

def recognize_face(image_path):
    # 加载图像并转换为Tensor
    image = load_image_file(image_path)
    img_tensor = ToTensor()(image)
    img_tensor = img_tensor.unsqueeze(0)  # 增加通道维度

    # 获取特征向量
    features = model(img_tensor)
    
    # 这里只是演示，实际应用可能需要与数据库人脸特征对比
    # 假设你有一个预先存储的人脸库
    known_faces = ...  # 储存的人脸特征列表
    distances = torch.nn.functional.pairwise_distance(features, known_faces)

    # 找到最近的人脸
    min_distance, index = distances.min(dim=0)

    # 输出识别结果
    return "The closest match is with person {}".format(index.item())

# 使用函数
image_path = "path_to_your_image.jpg"  # 替换为你的图片路径
print(recognize_face(image_path))