参考链接：pytorch-faster-rcnn
第一步：安装Anaconda，参考【Ubuntu】安装Anaconda并搭建虚拟环境和迁移
第二步：下载pytorch及其他安装包（注意以下所有操作都将在虚拟环境pytorch下进行）
- 下载pytorch(CUDA版本)：https://pytorch.org/
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch# or use pip pip3 install torch torchvision - 下载opencv-python, easydict及matplotlib,scipy：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python, easydict==1.6, matplotlib, tensorboardX, scipy==1.2, PyYAML- 若第二步使用pip下载tensorboardX，略
第三步：安装pytorch-faster-rcnn及数据接口
注意：若不是在虚拟环境下，Python COCO API将不能使用
第四步：准备数据集并链接（下载PASCAL VOC 2007）
注意：在第４步中，完整命令应该是：
(pytorch) zzw@amax:/data1/zzw/Pytorch-test/pytorch-faster-rcnn/data$ ln -s /data1/zzw/Datasets/VOCdevkit VOCdevkit2007
以上显示是Datasets数据集的路径，及数据集链接成功后的结果
第五步：下载预训练模型并链接
- Google drive here.
比如下载res101模型并解压，将res101_faster_rcnn_iter_110000.pth放到下面的目录
pytorch-faster-rcnn/data/voc_2007_trainval+voc_2012_trainval接下来，在pytorch-faster-rcnn目录下，使用以下命令创建一个output及其子文件
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
第六步：测试预训练模型
