如何加速FaceNet中128维人脸特征（face_descriptor）的生成？

我在自己的人脸识别项目里，选用了FaceNet体系下的**128维嵌入向量（face_descriptor）**来表征人脸特征，这个维度的向量在人脸特征匹配任务中表现得相当稳定可靠。

目前我摸索出两种从图像生成这类嵌入向量的方法，其中基于TensorFlow ResNet V1模型的实现方式如下：

emb_array = sess.run(embedding_layer, {images_placeholder: images_array, phase_train_placeholder: False})

只需要传入预处理好的图像数组images_array，就能直接得到对应的嵌入向量列表。不过有个实际使用的细节要提一下：这种方式处理单张图像时速度偏慢，大概要耗时1.6秒，但当处理大量图像的时候，整体耗时几乎是恒定的——毕竟我这边没有GPU可用，纯CPU运行的话这个表现也算在预期范围内了。

内容的提问来源于stack exchange，提问作者Sreeragh A R