tensorflow比caffe入门要难许多，但是感觉比caffe可操作性强。这份代码是为了以后训练网络不要重复进行tensorflow多GPU并行、数据增强（翻转、旋转、裁剪等）等操作而写的。

我阅读了tf的官网关于多GPU实现的部分，以及facenet中多线程读取数据+预处理（数据增强、shuffle）的部分，还有一个实现多GPU的VGG的github。

数据流水线似乎还不是太好，很难有多块GPU长时间维持在80%~100%的利用率。

1、align文件夹——dlib 68 点人脸检测+对齐（对齐可选）
2、experiment.yaml——类似于caffe的solver配置文件
3、layers.py——定义一些tensor
4、tools.py——加载.npz/.npy文件（把caffe model转到tf时会用到）
5、train_data_generator.py（流水线读取数据）
6、train_model_parallel.py（主文件）
7、vgg.py

最近在实现VGG face的triplet loss，所以才从caffe转向tf，等复现了论文再来更新一波。