本人是在近几天之内才跑通的faster-rcnn-1.0版本，刚开始是打算跑0.4版本的，结果中间出了一点问题，所以转到1.0版本，有问题欢迎留言
首先是ubuntu18.04的安装，大家可以去ubuntu的官网(https://ubuntu.com/download/desktop)这里去下载自己需要的ubuntu，一般18.04就足够用，之后就是用U盘来制作成系统盘。当制作完成后，可以根据各个电脑的进行启动盘的方式进行启动（我神舟电脑用的是F7），之后就可以进行安装了。安装完成后的anaconda与pycharm的安装其他博客说的很清楚了，因此这里就不再赘述。
重点内容是显卡的驱动安装与cuda的安装，显卡的驱动安装可以直接采用软件和更新方式进行安装驱动，具体步骤如下图!
如上图所示，可以对驱动进行勾选，然后点击应用修改，等重启之后就完成了显卡驱动的安装。
关于cuda安装当时出了特别多问题，第一是内核问题，cuda各个版本需要不同的内核，具体在官网上可以查到，当内核不支持时会出现问题，我的当时因为内核过高，结果出现了循环登陆的情况，因此要换成低版本的内核。内核安装推荐一个软件，synaptic，使用这个代码可以下载
apt-get install synaptic
。sudo synaptic可以启动.
在搜索中下载自己想要的内核版本，形式要跟上图一样，下载五个文件，并点击应用，之后在开机的时候可以在ubuntu高级选项中选择自己想要的内核版本。
之后是cuda的安装，这里我选择了cuda10.2，这个链接是其他博主的各个版本的链接各个版本的安装连接。可以下载自己所需要的cuda，下载完之后可可以放到主目录下，并在终端运行
sudo sh+你的cuda文件名字
，例如：
sudo sh cuda_10.2.89_440.33.01_linux.run
，之后进入对话，此时输入accept，之后可以按空格看完声明，安装配置如下图：
之后可以等待安装完成，并添加到环境变量。添加完之后只需要在终端输入
nvcc --version
查看是否有cuda信息，有的话就算安装成功，有些博主还要编译cuda的samples项来进行检验，我并没有用这种方法来检验，并且程序运行不受影响。
安装完cuda后大家可以在anaconda中创建环境，并安装pytorch，我安装了1.2版本的，之后就可以按照read me中安装依赖项。
根据上图到达指定位置，输入相应指令，此时编译有警告，并不用管他，最后出现错误，/usr/local/cuda-10.2/nvcc: No such file or directory，但是nvcc-vision可以查看cuda的版本，此时只需要在终端中加入
export CUDA_HOME=/usr/local/cuda-10.2
就可以解决。这里要换成自己对应的cuda版本，最后再进行安装依赖，成功！
如果你要用GPU进行编译，那么你需要更改为如下图所示：
两图一个在trainval_net.py,一个在lib/model/utils/config.py中。最后，就可以进行训练了。
附上训练图如下：