进行人脸识别时构建图像识别及分类任务所需的数据集，包括训练集和测试集。

人脸识别的数据集通常包括两种类型的图像：正面人脸和非人脸图像。其中正面人脸图像应该包括各种不同的人脸，涵盖不同年龄、性别、种族和表情等因素，以确保模型能够准确地识别各种类型的人脸。非人脸图像可以是各种不同的背景图像，例如街景、建筑物、动物等。

为了构建训练集和测试集，可以手动收集这些图像并进行标记。对于正面人脸图像，可以使用面部标记工具（如dlib和OpenCV）手动标记每个人脸的位置和方向。对于非人脸图像，则可以手动标记图像中任何与人脸相关的区域（例如建筑物中的窗户和门等）。

一旦构建了数据集，就可以将其分为训练集和测试集。通常建议将数据集的80％用于训练集，20％用于测试集。可以使用各种机器学习算法来训练模型，并使用测试集来评估模型的性能。如果模型在测试集上的表现良好，则可以将其用于实际应用中的人脸识别任务。