lhx05/lab1-cvlface-code

Lab1 CVLFace Code

本仓库用于备份 Lab1 人脸识别实验中使用的 CVLFace 代码和训练脚本。

代码来自服务器实验目录：

/root/Lab1/project/cvlface

上传时已经排除数据集、实验输出、缓存和大模型权重。模型权重请放在独立的 checkpoint 仓库中管理。

主要内容

cvlface/
  research/
    recognition/
      code/
        run_v1/
          scripts/
            train_plan4_adaface_swin.py
            prepare_kaggle_verification_protocol.py
            generate_plan8_report.py
            configs/
              *.yaml
            test_*.py

其中 train_plan4_adaface_swin.py 是当前主要训练脚本。

当前训练脚本支持的功能

• Swin-S 224 backbone + AdaFace 分类头训练。
• 全量微调 backbone。
• 冻结 backbone 后只训练分类头。
• LoRA 微调：
  • --use-lora
  • --lora-rank
  • --lora-alpha
  • --lora-dropout
  • --lora-target-modules
• eval-only 验证模式：
  • --eval-only
  • --eval-checkpoint
  • --eval-pairs-csv
• YAML config：
  • --config configs/xxx.yaml
  • 命令行参数会覆盖 config 中的默认值。
• epoch 级日志：
  • training_config.json
  • epoch_metrics.csv
  • 每个 epoch 记录 loss。
  • 可按固定 epoch 间隔记录验证集 acc。

相关数据仓库

本代码仓库不包含数据集。当前项目中用到的数据备份在以下仓库：

• WebFace224 完整训练集：lhx05/WebFace224
• 多协议 224 验证集：lhx05/lab1-resized-face-datasets
• FGNET AGE-30 验证协议：lhx05/fgnet-age30-protocol
• AgeDB 224 身份分类数据集：lhx05/agedb-224-by-identity

相关权重仓库

模型权重和训练 checkpoint 放在：

lhx05/lab1-face-recognition-checkpoints

本代码仓库不上传 .pt、.pth、.safetensors 等大权重文件。

示例命令

全量微调示例：

cd /root/Lab1/project/cvlface/research/recognition/code/run_v1/scripts
source /root/Lab1/venv/bin/activate

python train_plan4_adaface_swin.py \
  --train-root /root/Lab1/data/processed/agedb_harmonliu05_224_by_identity \
  --output-dir /root/Lab1/experiments/agedb567_full_finetune_20epoch \
  --ckpt /root/Lab1/project/cvlface/pretrained_models/model.safetensors \
  --epochs 20 \
  --batch-size 128 \
  --eval-every-epochs 5 \
  --eval-pairs-csv /root/Lab1/data/processed/fgnet_age30_protocol/facerec_val/fgnet_age30/pairs.csv

使用 YAML config 示例：

python train_plan4_adaface_swin.py \
  --config configs/agedb567_lora_r4_fgnet_age30.yaml

注意事项

• 代码中的绝对路径来自服务器实验环境，换机器使用时需要按本地目录调整。
• 上传版本主要用于备份和复现实验，不保证是原始 CVLFace 官方仓库的完整发布版本。
• 如果只需要运行当前实验，优先查看 research/recognition/code/run_v1/scripts/ 目录。