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在终端中运行下载到本地

(Git的下载安装及配置参考：https://zhuanlan.zhihu.com/p/123195804)

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在终端中运行即可自动安装。

第四步：下载数据集

同样在终端中运行

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：

在终端中运行上述代码

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.