写一个torch人脸识别的简单程序

首先，你需要有一个人脸识别数据集，其次需要安装 PyTorch。在这个例子中，我们将使用一个预训练的 ResNet-34 模型来提取人脸特征，然后使用这些特征来训练一个线性分类器。

import torch
import torchvision.models as models
from torch import nn
from torchvision import transforms

# 加载预训练的 ResNet-34 模型
model = models.resnet34(pretrained=True)
# 取出模型最后一层(全连接层)
model = nn.Sequential(*list(model.children())[:-1])

# 预处理图像数据
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],
                         std=[0.229, 0.224, 0.225])
])

# 读取图像，提取特征
img = Image.open("example.jpg")
img_tensor = transform(img).unsqueeze(0)
features = model(img_tensor)

# 训练线性分类器
classifier = nn.Linear(512, num_classes)
optimizer = torch.optim.SGD(classifier.parameters(), lr=0.001)
criterion = nn.CrossEntropyLoss()

# 迭代训练
for epoch in range(num_epochs):
    # 计算分类概率
    logits = classifier(features)
    loss = criterion(logits, labels)

    # 更新参数
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# 在新图像上进行预测
img = Image.open("test.jpg")
img_tensor = transform(img).unsqueeze(0)
features = model(img_tensor)
logits = classifier(features)
predicted_label = torch.argmax(logits)

这只是一个简单的例子，你还需要自己准备数据集并调整模型参数以