第一步：在Github上找到想要的库，以YOLOv3项目为例。
第二步：拷贝这个库到自己的电脑上，下载到本地。
方法一：在GitHub上，Code -> Download ZIP（有的时候会有一些问题，不建议）
方法二：使用Git
GitHub中项目的README.md部分仔细阅读（说明书），其中：
复制Git命令git clone https://github.com/BobLiu20/YOLOv3_PyTorch.git在cmd中运行,此处将下载的代码放在桌面上，默认已经安装了Git：
(Git的下载安装及配置参考：zhuanlan.zhihu.com/p/123195804)
这样就可以下载到本地桌面：
第三步：按照说明书上的指示，运行代码需要安装一些第三方库
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要用到的库：
一个一个用pip安装非常繁琐，复制上述第三行代码pip3 install -r requirements.txt --user在cmd中运行即可自动安装：
第四步：下载数据集
同样在cmd中运行：
第五步：下载预训练权重
根据README.md，需要下载预训练权重。YOLOv3作为一个深度卷积神经网络，整体分为两部分，backbone和其余部分。backbone里面的参数初始化不是随机初始化的，而是加载预训练的数据，即提前在其他数据集上训练过，让模型有了一个基本的识图能力，接下来模型的其余部分再放到coco数据集上去训练，使得它在具有识图能力的基础上获得检测物体的能力，所以需要一个预训练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，即训练的权重文件。
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：训练模型
根据README.md，需要到training文件夹里启动Python脚本training.py，同时training.py需要一系列外部参数，这些外部参数定义和赋值放在 params.py中：
在cmd中运行上述代码：
你以为这样就可以顺利的训练了吗？no！肯定会报错。
其实在复现代码没有想象的那么简单，把代码、数据下载下来，然后回车，程序就运行了？没有这么简单，都要先debug一遍。
之后就是跟着报错问题一步一步改，直到程序成功运行~
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.
