我使用 shell 命令训练模型：

python src/facenet_train.py \
           --batch_size 15 \
           --gpu_memory_fraction 0.25 \
           --models_base_dir trained_model_2017_05_15_10_24 \
           --pretrained_model trained_model_2017_05_15_10_24/20170515-121856/model-20170515-121856.ckpt-182784 \
           --model_def models.nn2 \
           --logs_base_dir logs \
           --data_dir /data/user_set/training/2017_05_15_10_24 \
           --lfw_pairs /data/user_set/lfw_pairs.txt \
           --image_size 224 \
           --lfw_dir /data/user_set/lfw \
           --optimizer ADAM \
           --max_nrof_epochs 1000 \
           --learning_rate 0.00001

但当使用我自己训练的模型时，我会得到如下错误信息：

2017-05-17 14：23：05.448285：W tensorflow/core/platform/cpu_feature_guard.cc：45] TensorFlow 库未编译为 使用 SSE4.1 指令，但这些指令在您的计算机上可用，可以加快 CPU 计算速度。2017-05-17 14：23：05.448318：W tensorflow/core/platform/cpu_feature_guard.cc：45] TensorFlow 库未编译为 使用 SSE4.2 指令，但这些指令在您的计算机上可用，可以加快 CPU 计算速度。2017-05-17 14：23：05.448324：W tensorflow/core/platform/cpu_feature_guard.cc：45] TensorFlow 库未编译为 使用 AVX 指令，但这些指令在您的机器上可用，可以加快 CPU 计算速度。2017-05-17 14：23：05.448329：W tensorflow/core/platform/cpu_feature_guard.cc：45] TensorFlow 库未编译为 使用 AVX2 指令，但这些指令在您的机器上可用，可以加快 CPU 计算速度。2017-05-17 14：23：05.448334：W tensorflow/core/platform/cpu_feature_guard.cc：45] TensorFlow 库未编译为 使用 FMA 指令，但这些指令在您的计算机上可用，可以加快 CPU 计算速度。2017-05-17 14：23：05.674872：I tensorflow/core/common_runtime/gpu/gpu_device.cc：887] 找到具有属性的设备 0：名称：Quadro M4000 主要：5 次要：2 内存时钟速率 （GHz） 0.7725 pciBusID 0000：03：00.0 总内存：7.93GiB 可用内存：2.89GiB 2017-05-17 14：23：05.674917： I tensorflow/core/common_runtime/gpu/gpu_device.cc：908] DMA： 0 2017-05-17 14：23：05.674935： I tensorflow/core/common_runtime/gpu/gpu_device.cc：918] 0： Y 2017-05-17 14：23：05.674957：I tensorflow/core/common_runtime/gpu/gpu_device.cc：977] 创建 TensorFlow 设备 （/gpu：0） -

获取特征码：

import tensorflow as tf
import facenet
w_MODEL_PATH_='/home/chen/demo_dir/facenet_tensorflow_train/trained_model_2017_05_15_10_24/20170515-121856'

with tf.Graph().as_default():
    with tf.Session() as sess:
        # load the model
        meta_file, ckpt_file = facenet.get_model_filenames(w_MODEL_PATH_)
        facenet.load_model(w_MODEL_PATH_, meta_file, ckpt_file)
        # print("model_path:", w_MODEL_PATH_,"meta_file:", meta_file,"ckpt_file:", ckpt_file)

        # Get input and output tensors
        # ops = tf.get_default_graph().get_operations()
        #
        # print(ops)

        images_placeholder = tf.get_default_graph().get_tensor_by_name("input:0")
        embeddings = tf.get_default_graph().get_tensor_by_name("embeddings:0")
        phase_train_placeholder = tf.get_default_graph().get_tensor_by_name("phase_train:0")

        image_size = images_placeholder.get_shape()[1]
        embedding_size = embeddings.get_shape()[1]

        # print(image_size)

        paths = ['one.png', 'two.png']

        # Run forward pass to calculate embeddings
        images = facenet.load_data(paths, do_random_crop=False, do_random_flip=False, image_size=image_size,
                                   do_prewhiten=True)
        # print("images:", idx, images)
        feed_dict = {images_placeholder: images, phase_train_placeholder: False}
        # print(idx,"embeddings:", embeddings)
        emb_array = sess.run(embeddings, feed_dict=feed_dict)
        # print(idx, "emb_array:", emb_array)
        print(emb_array)

我不知道如何使用我自己训练的模型，请帮忙。