面部分类器 计算机视觉网络应用程序，用于预测图像中所有个人的年龄，种族和性别 在所有三个因变量上均达到85％的平均准确度 在PyTorch中构建和训练的CNN模型 用Flask Python后端和Bootstrap前端开发 对自己进行测试！ 在本地运行网站 此面部分类器在Python 3.7上运行 首先克隆仓库： git clone https://github.com/danielzgsilva 导航到项目的根目录并安装依赖项，如下所示： pip install -r requirements.txt 使用以下命令运行该应用程序： python app.py 然后，该项目将在端口5555上本地服务： http://localhost:5555/ 型号详情 底层的卷积神经网络使用经过VGGFace2训练的预先训练的挤压和激发网络（SENet） 曹琼，等。 “ Vggface2：用

脸部老化CAAE 要求 点安装-r requirements.txt 火炬视觉0.4.0 火炬1.2.0 数据集 Colab笔记本 培训 推论-待定 快照 用法 git clone或下载此存储库的zip文件 从下载UTKFace的对齐和裁剪版本 安装要求 执行main.py python main.py 结果 UTKFace 行：年0〜5、5〜10、10〜15、16〜20、21〜30、31〜40、41〜50、51〜60、61〜70，超过70 epoch:50, step:86 EG_L1_loss:0.075875 |G_img_loss:5.226651 G_tv_loss:0.003358 |Ez_loss:0.851948 D_img:0.998970 |D_reconst:0

UTKFace dataset　aligned and cropped faces　23,708 images in the size of 128x128x3