在pytorch下基于卷积神经网络实现图像的验证
在某些特定场景下判断图片中的人脸是否为同一人。这些人脸图片分属于不同的人物对象，已经进行了人脸区域裁剪，且裁剪至正方形（图像的H=W）, 但是图片并没有进行统一的resize缩放操作，而是保留了原图尺寸，即图片的尺寸各不相同，可以按照自身的需要进行缩放操作。
训练集将会给定若干对人脸样本，人脸样本可能是正脸、侧脸，人脸样本可能会加扰动，同时给出标签（是否为同一人脸）。测试集给出任意若干对人脸样本，需要选手判断每对人脸样本中的两例人脸样本是否为同一人，预测是同一人的概率。
解答思路和尝试过的方法
使用卷积神经网络模型AlexNet来对数据集进行训练，不过此问题的数据结构和我以往见过的都不一个，所以在怎么把数据集和标签送进模型训练，我在这儿转不过弯，那位可以帮忙指点一下。非常感谢。
给数据命名，在命名中给出类别，读数据的时候从命名里面取出类别作为标签。
比如：图像1_A、2_A、3_A都是A的照片，可以把标签都设为A。图像4_B、5_B、6_B都是B的照片，可以把标签都设为B。
用PyTorch实现一个卷积神经网络进行图像分类
https://blog.csdn.net/haoji007/article/details/78443753
就不给你具体解决方案了，希望在你“转不过弯”的地方有点启发。首先，你需要知道标签是干什么用的，标签是用来最终计算loss的，标签不会输入网络，输入网络的是图像，网络输入图像会得到一个输出，标签与输出比对计算loss然后反向传播更新参数。