因为一些原因需要训练一下co-detr，但是没有显卡，只能租一下gpu服务器，最总也没有训练完（经费有限）。先是在自己的window11 上部署了一下，熟悉一下流程，然后再到autodl 搭建。
由于第一次搞这玩意，踩了不少坑，参考了几篇文章：
windows 配置Co-DETR踩坑笔记
用Co-DETR训练自己的数据集
CO-DETR利用coco数据集训练和推理过程
环境
PyTorch 1.11.0 Python 3.8(ubuntu20.04) Cuda 11.3，这个在autodl 直接选择这个环境的镜像就行。
先是在github上下载CO-DETR模型
git clone https://github.com/Sense-X/Co-DETR.git
cd Co-DETR
pip install -r requirements.txt
安装mmcv等（注意mmcv应该是1.6.1版本及以上）
pip install -U openmim
mim install mmcv-full==1.6.1
pip install timm==0.6.11 mmdet==2.25.3
这里你直接pip install -r requirements.txt 可能报错，
fatal: unable to access 'https://github.com/open-mmlab/mmtracking/':
这时候，你可以先去注释这个依赖
去https://github.com/open-mmlab/mmtracking#egg=mmtrack下载源码，自己安装，下载以后进入目录，然后
pip install -e .
然后就可以继续安装环境了。在autodl 可以直接在base 虚拟环境安装就行，使用conda
创建的虚拟环境，安装不了torch总是killed ，我也不知道什么原因。还有就是 因为出现了mmdetection 报错
TypeError: FormatCode() got an unexpected keyword argument
‘verify‘问题，用一下方案解决： yapf版本过高，目前版本为 0.40.2，重装低版本yapf即可 pip uninstall
yapf pip install yapf==0.40.1
最后是训练，参考文章中有一个单卡训练的教程，其中运行
bash tools/single_train.sh projects/configs/co_deformable_detr/co_deformable_detr_r50_1x_coco.py /root/autodl-tmp/Co-DETR/checkpoints/
你直接运行，可能会出现报错
（1）
这个报错你可以在train.py中添加
#/Co-DETR/tools/train.py里面修改
import sys
#你代码存放的绝对路径
sys.path.append('/root/autodl-tmp/Co-DETR')
from projects import *
（2）是你的数据集的路径可能找不到，一种方法是在co-detr项目文件夹创建
data/coco 文件夹，数据集放进去。
还有一种是你先运行
python tools/train.py projects/configs/co_dino/co_dino_5scale_swin_large_3x_coco.py --work_dir output
co_dino/co_dino_5scale_swin_large_3x_coco.py 这个可以根据需要进行选择，运行后会生成一个文件夹
在这个文件下的同名文件中进行路径修改
最后，使用下面的命令训练
python tools/train.py E:\PythonCode\Co-DETR1\tools\work_dirs\co_dino_5scale_lsj_r50_1x_coco\co_dino_5scale_lsj_r50_1x_coco.py
最好是绝对路径。