1、本机环境
win10 64位，cuda 10.1，cudnn 7.5，pytorch 1.4.0
2、运行demo
下载github上的代码：https://github.com/ifzhang/FairMOT 以及 预训练模型，这里我下载了HRNetV2-W18网络的预训练代码，因为DLA网络用到了DCN v2，这个需要提前编译，但是我这里编译失败了，作者说编译失败可以用HRNetV2-W18这个网络。模型下载完毕按照提示放在项目根目录下的models文件夹下
用vscode打开，ctrl+alt+p设置好python环境，然后按照作者提示，配置运行参数：
点击菜单栏 运行->打开配置
这时候会打开launch.json文件，在最下面添加args选项，也就是运行时参数。
设置完毕，将是否显示图片的参数show_image设置为true
按ctrl+f5运行，这时就可以看到在根目录平行目录下出现了一个results的文件夹，下面有个frame文件夹，里面保存了每一帧的跟踪结果：
然后显示出来的是每一帧跟踪结果，多运行一段时间，可以看到这个算法跟踪效果还是很不错的。目标被遮挡之后重新找回ID的能力还是很强的。这得益于单独的reid特征提取分支。
3、训练
作者训练时准备了很多个数据集混合起来组成了一个大的训练集，这其实是用了JDE跟踪算法的做法，两者用了同一个混合数据集，而且这篇论文的代码也是在JDE代码的基础上改的，里面明显的可以见到跟踪类的名称是JDETracker。
这里我为了测试代码，只下载了其中一个数据集：CUHKSYSU，大小为0.99G。将数据集解压，可以看到数据集格式：
图片和标签文件名相同，只有后缀不同。
接下来要设置一下代码中的数据集字典，因为我只下载了一个数据集，所以数据集字典中的其他数据集找不到会报错。修改如下：
打开这个data.json文件
修改根目录，和train里面的数据集，这里只保留cuhksysu这个数据集，其他的删掉，修改之后是这样的：
接下来修改GPU的编号，train.py文件中的下面的代码指定了GPU的编号
这里默认的gpu编号为0,1也就是有两个GPU,但是我只有一张GPU，所以这里设为0就好，也可以在参数设置的时候指定。
然后需要注意的是批大小，因为这个模型比较大，用到的图片分辨率为1088x608，所以很占显存，我的GTX1060只能设为2,否则会显存不足。接下来开始训练即可：
