DL发展实在是太快，快到我完全不想维护本项目中的陈旧代码。这篇文章中的技术其实已经过时，希望各位同志追寻着最新技术做项目，这样比较有前（钱）途。

首先说点题外话，上一篇的实时人脸识别中我说要把mtcnn和facenet的论文和代码好好解释解释，并谈谈自己的理解，但是当我准备写的时候，发现还是我太年轻了，我发现如果想要将其解释的通俗易懂，并且能在以后的项目中用的得心应手的话，那么它的发展历程就不得不说说了，不然会觉得好多东西都很突兀，本次就说说这object ...

Abstract:本文记录了在学习深度学习过程中，使用opencv+mtcnn+facenet+python+tensorflow，开发环境为ubuntu18.04，实现局域网连接手机摄像头，对目标人员进行实时人脸识别，效果并非特别好，会继续改进

好多时候，有的特征是字符串，比如此前训练的加利福尼亚房产数据集中的街区名称，机器学习是无法根据字符串来学习规律的，所以需要转换。但是存在一个问题，如果字符特征是''一环'' ''二环'' ''三环''...（代表某个城市的地理位置），那么对其进行数值转换的时候，是不可以编码为形如1，2，3，4...这样的数据的，因为其...

泛化:泛化能力（generalization ability）是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据对背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。

学习使用TensorFlow，并以california的1990年的人口普查中的城市街区的房屋价值中位数作为预测目标，使用均方根误差（RMSE）评估模型的准确率,并通过调整超参数提高模型的准确率