基于pytorch的人脸特征提取代码

下面是一个基于PyTorch的人脸特征提取代码的示例：

import torch
import torch.nn as nn
import torchvision.models as models

# 加载预训练的ResNet50模型
resnet = models.resnet50(pretrained=True)

# 去掉模型的最后一层
modules = list(resnet.children())[:-1]
resnet = nn.Sequential(*modules)

# 将模型转换为评估模式
resnet.eval()

# 定义一个函数，将输入图像传递到ResNet50模型中，并返回特征向量
def get_features(image):
    # 将图像转换为张量
    image_tensor = torch.Tensor(image)
    # 将图像张量添加一个维度，以便它可以传递到ResNet50模型中
    image_tensor = image_tensor.unsqueeze(0)
    # 通过ResNet50模型传递图像张量
    features_tensor = resnet(image_tensor)
    # 将特征向量张量展平为一维张量
    features = features_tensor.squeeze().detach().numpy()
    return features

请注意，此示例代码使用了预训练的ResNet50模型，并去掉了模型的最后一层，以便将其用作特征提取器。然后，定义了一个`get_features()`函数，该函数将输入图像传递到模型中，并返回特征向量。该函数首先将图像转换为张量，然后将其添加一个维度，以便它可以传递到模型中。最后，将特征向量张量展平为一维张量，并将其返回。