ORIGINAL / 原创仓库
lfw_cnn
从本地 LFW 图片和两份标签清单构造 PyTorch Dataset 或旧接口批量划分；不含 CNN 模型与训练流程。
本页记录本轮维护的改动和验证结果。完整差异与实时合并状态请查看 Pull Request ↗。
准备环境
- python -m venv .venv
- 激活环境后按 PyTorch 官方平台选择安装 torch/torchvision。
- python -m pip install -r requirements.txt
- 准备图片目录及其父目录的 male_names.txt / female_names.txt；每行是图片相对路径。
使用入口
- from LFW_pytorch_loader import LFW; dataset = LFW('dataset/easy_trainingdata', data_count=500, seed=42)
- 通过 torch.utils.data.DataLoader(dataset, batch_size=32) 使用；不同图片尺寸需先传入 Resize transform。
- 旧接口：from lfw_loader import DataLoader; data = DataLoader('dataset/easy_trainingdata'); data.loadLFW_label(); data.loadLFW_facedata(); data.getTrainData()
目录结构与职责
- lfw_data.py：全部标签路径校验、规范路径去重、跨类冲突检查及平衡采样。
- lfw_loaders.py：PyTorch Dataset 和历史批量加载器的共享实现，避免兼容模块循环导入。
- lfw_loader.py：原 DataLoader 入口，并保留维护草稿中的 LFW 导出。
- LFW_pytorch_loader.py：原 LFW 入口，并保留维护草稿中的 DataLoader 导出。
- tests/test_loaders.py：合成图片、旧导入 API、路径别名与采样前校验回归。
- requirements.txt、pyproject.toml、.editorconfig：依赖下限和格式规范。
本次整理
- 删除导入阶段错误的自实例化与文件加载，去掉硬编码个人绝对路径。
- 修复 PILToTensor 错误调用、未定义字段及 Dataset 缺失 len/index 接口。
- 共享标签采样使用不重复样本、忽略空行、校验数量/文件/越界/冲突标签，可传 seed 复现。
- 可变状态改为实例级，重复加载替换旧数据，图像/标签/one-hot 同序，按实际数量划分。
- README 说明数据布局、张量格式、接口、验证边界，新增测试与规范文件。
- 复审修复：恢复 lfw_loader.DataLoader 与 LFW_pytorch_loader.LFW 原导入路径；共享实现同时兼容维护草稿中的两种导入。
- 复审修复：采样前解析并校验全部路径，以规范路径去重和检查标签冲突，覆盖 ./、子目录/..、Windows 大小写别名。
检查结果
| 检查项 | 状态 | 证据 / 范围 |
|---|---|---|
| .venv/Scripts/python.exe -B -m unittest discover -s tests -v | passed | Windows/Python3.13.12：13 项测试运行，12 通过、1 跳过（本机无符号链接创建权限），0.269秒。原有合成图像测试保持通过；新增原导入、路径别名冲突/去重、未抽中路径越界检查及 Windows 大小写回归。 |
| ruff check .; ruff format --check . | passed | 退出0，Ruff 0.17.2。 |
| git diff origin/default HEAD --check | passed | 退出0 |
| 复审回归先失败后修复 | passed | 未改运行实现时新增回归得到5次断言失败、1次旧导入错误；修复后全部可执行项通过。首次沙箱因临时目录拒绝访问而失败，已在正常权限下复验。 |
已知限制与后续工作
- 测试环境 Windows/Python3.13.12、torch2.15.0+cpu、torchvision0.29.2+cpu、numpy2.5.4、Pillow13.0.0；未跑GPU训练或真实LFW数据。
- 首次系统 Conda 环境存在重复 OpenMP 运行库，已改用独立 .venv 验证；沙箱临时目录拒绝访问后在正常权限下复验通过。
- 图片级随机划分不保证人物身份隔离或分层；正式研究需正确的身份划分协议。
- 标签仅沿用输入分组；仓库未包含数据授权或代码许可证。
- 符号链接回归因 Windows 无创建权限跳过；规范路径逻辑包含 resolve，但本轮未实测该分支。