Win10 faster-rcnn pytorch1.0入坑记录及数据集准备

环境：win10 py36 cuda10 pytorch1.0
源代码：pytorch1.0
（如果是pytorch0.4可以看pytorch0.4）
两个代码都是linux下的，win10坑很多……
1、遇到的cl.exe找不到或者.cu导致setup.py编译不成功
网上解决问题很多 ，参考链接：参考1以及参考2 修改setup.py文件及一些ROIPooling等cu文件。
也可以去源码的issue将faster-rcnn.pytorch-pytorch-1.0\lib\model\csrc\cuda中的两个ROIXXXXX.cu进行修改。
要修改的就是这两个.cu文件的dim3 grid函数
首先，添加一个函数：

int ceil_div(int a, int b):
    return (a + b - 1) / b;

再将原来的dim3 grid函数修改为：

dim3 grid(std::min(ceil_div((int)grad.numel(), 512), 4096));

然后在执行一下 python setup.py build develop或者python setup.py install。
实在不行，重装cuda或者vs2017我重装完了路径都不用配置直接好了。
2、数据集及预训练模型准备
这个比较坑人，要下voc2007和coco太慢了，不如自制……我使用的是男票给“基情”提供的东北大学的缺陷数据集，一共20m，voc格式，很多博客有链接，就不放上来了。具体怎么准备，看这篇博客。
还有就是预训练模型的准备，这个虽然作者给出的链接中的.pth文件后缀是caffe但是不影响使用，各种预训练模型参考pytorch预训练模型。
3、代码修改及代码解读
因为在win10下进行训练，相对于linux下面可以使用带参数命令行进行跑代码，很多参数可以在def parse_args()中进行修改，改变defaul值即可，比如使用cuda的话，
parser.add_argument('--cuda', dest='cuda', help='whether use CUDA',default=True, action='store_true')
在原来的基础上加了default=True，不然跑的时候报错（可能我脸黑）。
代码解读
[1]名词解释：AP及mAP
参考知乎
AP：Average Precision
Precision:准确率
Recall：召回率

None	Postive（置信度）	Negative（置信度）
IOU>X	TP	TN
IOU<X	FP	FN

	Preecison=TP/(TP+FP)
	Recall=TP/(TP+FN)
	Interplolated AP（Pascal Voc 2008 的AP计算方式）
	mAP(coco):AP值在所有类别下的均值

[2]代码解读，引用作者提供的口令（应该叫他什么……）

CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_net.py \
                    --dataset pascal_voc --net res101 \
                    --bs $BATCH_SIZE --nw $WORKER_NUMBER \
                    --lr $LEARNING_RATE --lr_decay_step $DECAY_STEP \
                    --cuda

-net :backbone 可以是vgg也可以是resnet
-bs :batch size，一次训练所选取的样本数，参数更新所需要损失函数一组数据加权得到的，这一组数据的数量就是batchsize。
-nw :worker number 我也不知道是啥……
-epoch :1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮几次
在网上发现一个大大写的详解，搬运一下！

def parse_args():
  """
  Parse input arguments
  """
  parser = argparse.ArgumentParser(description=