NanoDet尝试日志（Windows10 + pytorch1.2 + torchvision 0.4.0 + CUDA 10.2）

作者源码：https://github.com/RangiLyu/nanodet

按照作者的要求来说，torch的版本需要≥1.3.0，一方面由于项目需求，另一方面由于torch官网未给出1.3.0安装方式，故采用1.2.0进行尝试。

配置环境通过以下命令行：

pip install Cython termcolor numpy tensorboard matplotlib pyaml opencv-python tqdm

windows下安装，需要安装pycocotools，如果安装了vs2015+的版本，则可以直接按照大佬操作进行pycocotools工具安装。（ 地址：https://github.com/philferriere/cocoapi ）

windows环境下需要在对应的conda环境下安装，在cmd命令行中安装的话在相应的环境中依然无法引用。

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

如果没有的话，点击这个链接，下载相应的工具，进行安装，然后再进行pip。

如果pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI命令较慢，可以先git clone到本地，然后进入到cocoapi\PythonAPI文件夹下。运行

python setup.py build_ext --inplace

然后执行

python setup.py build_ext install

即可完成cocoapi的安装。

然后进入到nanodet根目录下，运行

python setup.py develop

 以图片检测为例，config文件在文件夹config中，模型文件作者分别给出了voc与coco数据集的预训练模型，下载完成即可。

First, install requirements and setup NanoDet following installation guide. Then download COCO pretrain weight from here👉COCO pretrain weight for torch>=1.6(Google Drive) | COCO pretrain weight for torch<=1.5(Google Drive).

完成下载后，在运行时还会自主下载一个shufflenet预训练模型，可能会因为网络问题下载失败，多尝试几次即可。

python demo/demo.py image --config nanodet-m.yml --model nanodet_m.pth --path car1.jp