安装keras==2.9.0, tensorflow==2.9.1

训练之前先生成.HDF5数据，运行如下命令：
python build_dataset.py

以下命令查看生成的.HDF5文件：
ls -l fer2013/hdf5

然后运行如下命令进行训练：
python train_recognizer.py --checkpoints checkpoints
python train_recognizer.py --checkpoints checkpoints --model checkpoints/epoch_60.hdf5 --start-epoch 60

评估：
python test_recognizer.py --model checkpoints/epoch_60.hdf5

使用摄像头进行检测：
python emotion_detector.py --cascade haarcascade_frontalface_default.xml --model checkpoints/epoch_60.hdf5


            学习率调度器
    ——————————————————————————
    Epoch       Learning Rate
    ——————————————————————————
    1~20        1e-3
    21~40       1e-4
    41~60       1e-5
    ——————————————————————————

精度和损失值在fer2013/output文件夹中
epoch最终的值依赖于你的具体训练情况，我的是60

注意：要想获得好的结果，需要不断训练，不断迭代。一开始不会是最好的模型。
     你需要运行 -> 得到结果 -> 解释获得的结果 -> 调整参数 -> 再次运行 -> ... 一直重复

     最重要的文件是emotionvggnet.py————模型是如何构建的

######## 需要知道的 ##########
我们的每个表情不可能100%是笑的，也不可能100%是哭的，往往是多种表情的混合。
我们不能只看单个表情的概率，而应该看所有表情的概率分布。


看完给提点建议哈！