Faster-rcnn代碼下載地址，根據作者要求執行此代碼需要Pytorch1.0+Python3.6+CUDA 8.0 or higher，我的設備環境如下：
Ubantu18.04+Anaconda3+Pycharm+GTX1650(4G顯存)+CUDA10.0+CUDNN+Pytorch1.0.0+Python3.6
第一步:安裝Pycharm和Anaconda
具體安裝步驟可以參看win10下的安裝方法，過程很相似，不詳細介紹。
第二步：安裝CUDA10.0和CUDNN
具體安裝步驟可以參看我的另一篇博客，安裝過程基本相同。windows與linux都可以並存多個版本的CUDA，我們只要把環境變量設置爲想要使用的那個版本即可。更多關於多版本CUDA並存的介紹，詳見此博客。
第三步：搭建虛擬環境
我們在第一步安裝anaconda的時候已經將conda默認的下載源換成了清華源。這裏我們需要對pip也進行換源，將其換成豆瓣源。
在終端輸入如下代碼：主目錄下新建一個名字爲pip的隱藏文件夾，並在此文件夾內新建一個名字爲pip.conf的文件
mkdir ~/.pip
cd ~/.pip
gedit pip.conf
在pip.conf文件中添加如下代碼，保存並退出，換源完畢。
[global]
index-url = https://pypi.douban.com/simple
[install]
trusted-host=pypi.douban.com
打開終端輸入以下命令，創建一個名字爲pytorch1.0的虛擬環境，python使用3.6版本
conda create -n pytorch1.0 python=3.6
創建完成後，激活該虛擬環境
conda activate pytorch1.0
安裝Pytorch1.0.0
conda install pytorch=1.0.0
安裝torchvision0.2.0
conda install torchvision=0.2.0
安裝其它依賴包。進入requirements.txt所在目錄，執行如下命令：
pip install -r requirements.txt
注意：scipy要安裝1.2版本，否則後面訓練的時候可能會出現ImportError: cannot import name 'imread'錯誤。requirements.txt修改如下圖所示：
第四步：準備訓練所需的數據集
下載voc2007數據集
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
將上面三個壓縮包解壓到同一個文件夾內，命名爲：VOCdevkit
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
VOCdevkit應該具有下面所示的文件結構
$VOCdevkit/ # development kit
$VOCdevkit/VOCcode/ # VOC utility code
$VOCdevkit/VOC2007 # image sets, annotations, etc.
# ... and several other directories ...
在Faster-rcnn代碼文件夾內創建一個名字爲data的新文件夾，並在data文件夾內創建voc數據集的軟鏈接
cd $FRCN_ROOT/data
ln -s $VOCdevkit VOCdevkit2007
注意：$VOCdevkit代表VOCdevkit文件夾完整的絕對路徑，運行命令後將在data文件夾下生成一個名字爲VOCdevkit2007的軟連接。
第五步：準備預訓練模型
在data文件夾下新建一個文件夾，名字爲：pretrained_model，在此文件夾內存放預先下載好的預訓練模型。以vgg16爲例，名稱格式爲：vgg16_caffe.pth（預訓練模型的名稱格式可以查看Faster-rcnn作者源碼中的要求）。
如果我們沒有下載好的預訓練模型，那麼只需將源碼中加載vgg16網絡時的“pretrained”參數設置爲False即可。
第六步：編譯setup.py文件
由於在NMS、Roi Pooling、Roi Align中使用了CUDA加速，因此需要使用以下命令編譯cuda依賴項：
cd lib
python setup.py build develop
更多關於setup.py的介紹參考此三篇文章：博文1，博文2，博文3
第七步：替換/lib/pycocotools中的文件
下載cocoapi包，解壓並編譯/cocoapi-master/PythonAPI路徑下的setup.py文件，命令如下：
python setup.py build_ext --inplace
編譯完成後，複製/cocoapi-master/PythonAPI/pycocotools路徑下的所有文件到源碼的/lib/pycocotools路徑下。
注意：一定要在上面創建的pytorch1.0虛擬環境下執行該命令。因爲該命令會生成一系列的文件，其中有一個文件名爲：_mask.cpython-36m-x86_64-linux-gnu.so，36m代表適用於python3.6版本（pytorch1.0環境內的python版本）。如果在一個python爲3.7版本的虛擬環境中執行該命令，則會生成名爲：_mask.cpython-37m-x86_64-linux-gnu.so的文件。
第八步：創建run.sh文件並開始訓練
在代碼主目錄下創建run.sh文件，並輸入以下內容。執行該文件即可開始訓練
CUDA_VISIBLE_DEVICES=0 python trainval_net.py \
--dataset pascal_voc --net vgg16 \
--bs 1 \
--cuda
總結
1、所有操作都要基於第三步創建的pytorch1.0虛擬環境進行，否則會出錯。
2、如果不執行第七步，運行run.sh文件時會提示ImportError: cannot import name '_mask'錯誤。
3、之前在github上下載過另一版本的faster-rcnn源碼，需要pytorch0.4.1。配置了好久，最後訓練的時候顯示下圖中的錯誤，一直無法解決。
