Faster-RCNN.pytorch的搭建、使用过程个人记录（适配PyTorch 1.0以上版本）

前言

本文主要记录（1）如何跑通源代码；（2）配置过程中遇到的错误调试过程。
在参考文章基础上添加了自己使用过程中遇到的问题。
参考文章：
Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）

faster-rcnn pytorch代码下载

• pytorch0.4.0版源码：https://github.com/jwyang/faster-rcnn.pytorch
• pytorch1.0.0版源码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0
  一定要下载对应pytorch版本的源码！不然运行版本不兼容！

我自己的配置环境：
python3.7.7+cuda10.1.243+Ubuntu16.04+Pytorch1.0。 英伟达显存8G

faster-rcnn pytorch配置过程

1.安装torch
请移步至https://pytorch.org/get-started/locally/查看相应的安装命令，安装最新版的pytorch包。参考执行代码如下：

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

2. 下载源码到本地
具体方法有两种：
（1）git clone到本地

git clone -b pytorch-1.0 --single-branch --depth=1 --recursive https://github.com/jwyang/faster-rcnn.pytorch.git

其中：-b是分支名，--single-branch是clone指定分支的命令，--depth==1是指克隆最近一次更改，--recursive用于循环递归克隆子项目。
（2）直接下载zip文件至本地

我使用的第二种。
3.创建数据文件夹
在本地创建一个文件夹专门用来搭建Faster-RCNN模型，所有的配置文件均在此目录下进行（如：“/detectron”）。

首先，将源码的zip文件copy至目标目录/detectron，同时解压缩得到如下所示文件夹；

其次，创建data文件夹，具体操作如下：

1. cd 进入project根目录
2. mkdir data   # 创建data文件夹

或者，