Faster R-CNN 代码环境搭建流程记录

在学习目标检测神经网络中的经典网络Faster R-CNN时，作为编程小白，在为程序安装必须环境和包时遇见了不少问题，这篇博客用于记录我的环境安装流程。
代码来自B站up主
https://www.bilibili.com/video/BV1of4y1m7nj?p=1

1.安装Visual studio这一步是为了给 安装CUDA提供必须的Microsoft C++ 环境（VS=2019）
2.安装CUDA+cuDNN CUDA可以在英伟达官网下载，直接百度搜索所需版本号即可，cuDNN是一个神经网络加速包，在安装后解压将对应文件放到CUDA的对应目录下即可（CUDA=10.1 cuDNN=8.0.5）
3.安装Miniconda作为包管理器，同时用Miniconda来管理虚拟环境，方便在不同项目中使用不同的python版本及包（python=3.7.10）
4.安装pycharm作为IDE，在pycharm的python解释器中，选择miniconda创建好的虚拟环境中的python.exe即可利用虚拟环境
5.安装pytorch 发现版本对应有问题，遂下载最新版本pytorch

conda install pytorch torchvision  cudatoolkit=10.1 -c pytorch   

（torch=1.7.1 torchvision=0.8.2）
6.安装git 用于下载pycocotools

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

7.运行，发现numpy问题，需要修改pycocotools中cocoeval.py程序第520多行为下面两句

self.iouThrs = np.linspace(.5, 0.95, 10, endpoint=True)
self.recThrs = np.linspace(.0, 1.00, 101, endpoint=True)

8.运行成功
PS.其中需要下载预训练权重文件放到backbone文件夹里，随后将VOCdevkit放到fast R-CNN根目录下