第一步：在Github上找到想要的库，以YOLOv3项目为例。
第二步：仿制这个库到自己的电脑上，下载到本地。
办法一：在GitHub上，Code -> Download ZIP（有的时候会有一些问题，不建议）
办法二：使用Git
GitHub中项目的README.md部分仔细阅读（说明书），其间：
仿制Git指令git clone https://github.com/BobLiu20/YOLOv3_PyTorch.git在cmd中运转,此处将下载的代码放在桌面上，默许现已装置了Git：
(Git的下载装置及配置参阅：zhuanlan.zhihu.com/p/123195804)
这样就可以下载到本地桌面：
第三步：依照说明书上的指示，运转代码需求装置一些第三方库
作者写在了README.md部分：
打开桌面下载的YOLOv3_PyTorch代码包中requirements.txt文件可以看见跑这个项目需求用到的库：
一个一个用pip装置非常繁琐，仿制上述第三行代码pip3 install -r requirements.txt --user在cmd中运转即可自动装置：
第四步：下载数据集
同样在cmd中运转：
第五步：下载预练习权重
根据README.md，需求下载预练习权重。YOLOv3作为一个深度卷积神经网络，全体分为两部分，backbone和其余部分。backbone里面的参数初始化不是随机初始化的，而是加载预练习的数据，即提早在其他数据集上练习过，让模型有了一个根本的识图才能，接下来模型的其余部分再放到coco数据集上去练习，使得它在具有识图才能的基础上取得检测物体的才能，所以需求一个预练习的权重文件用来初始化backbone参数。
该文件darknet53_weights_pytorch.pth是一个pth文件，即练习的权重文件。
谷歌云盘或者百度云盘即可下载，下载好了之后把它放到项目的weights文件夹中。
第六步：练习模型
根据README.md，需求到training文件夹里发动Python脚本training.py，同时training.py需求一系列外部参数，这些外部参数界说和赋值放在 params.py中：
在cmd中运转上述代码：
你认为这样就可以顺利的练习了吗？no！肯定会报错。
其实在复现代码没有幻想的那么简略，把代码、数据下载下来，然后回车，程序就运转了？没有这么简略，都要先debug一遍。
之后就是跟着报错问题一步一步改，直到程序成功运转~
其实复现GitHub中的代码就只要跟着README.md一步一步来就好了，that’s all.
