一步步搭建CenterNet运行环境、克隆工程、运行demo

正如CenterNet（Objects as Points，而不是CenterNet：Keypoint Triplets for Object Detection）作者所说：“Our detector uses keypoint estimation to find center points and regresses to all other object properties, such as size, 3D location, orientation, and even pose.” 因此，它将会是一个潮流。

下面整理了一下自己如何一步步搭建CenterNet的运行环境、克隆工程运行demo：

0.目标：正确运行https://github.com/xingyizhou/CenterNet中的demo
github中工程开发环境：Ubuntu 16.04/ CUDA 9.0/ cudnn7.6.1/ python3.6/ pytorch0.4.1
自己的当前环境： Ubuntu 16.04/ CUDA8.0/ cudnn5.1 / python2.7（anaconda2）/

1.卸载CUDA8.0/cudnn，安装CUDA9.0/cudnn7.6.1
参考：https://blog.csdn.net/wanzhen4330/article/details/81704474
（下载安装包：cuda_9.0.176_384.81_linux.run，cudnn-9.0-linux-x64-v7.6.1.34.tgz）

2.安装anaconda3（python3.6）
考虑到之后继续使用python2.7，最终选择了在anaconda2中搭建anaconda3虚拟环境的方案，如果之后使用有问题可以试试同时安装anaconda2和anaconda3的方案。
参考：https://blog.csdn.net/qq_27009517/article/details/88394301
（下载安装包：Anaconda3-5.2.0-Linux-x86_64.sh）之后的安装和操作都需要在这个虚拟环境下。

3.安装pytorch0.4.1和torchvision0.1.6
之前没有安装过pytorch，不过这个版本好像有点老。
参考：https://blog.csdn.net/weixin_41765699/article/details/99756697 进行安装
（安装包：torch-0.4.1-cp36-cp36m-linux_x86_64.whl）
注意：使用pip install torchvision安装时会自动升级pytorch到1.2,因此需要指定torchvision版本，最终选择torchvision0.1.6。
在安装完pytorch0.4.1后使用 pip install torchvision==0.1.6 安装。
环境搭建完毕！

4.克隆配置CenterNet
参考作者写的步骤：https://github.com/xingyizhou/CenterNet/blob/master/readme/INSTALL.md
其中第0步是搭建一个新的conda环境方便管理，但是由于我已经在一个py3的环境中操作了，如果执行该步骤，将会跳出py3环境成为一个与py3并列的conda2下的环境。所以针对自己的情况，我跳过了这个步骤。
第1步中首先是安装pytorch和torchvision，之前安装完了，跳过该安装。之后都是按照步骤一步步操作。

5.运行demo
参考：https://blog.csdn.net/weixin_41765699/article/details/100118353 （作者写的很详细）。

其中用到的模型文件下载：https://blog.csdn.net/chaosinorder/article/details/100601705