FCOS代码的复现，backbone使用的是resnet18
network.py里面写的是网络架构
loss.py里面写的是损失函数
train.py是训练网络的函数
dataload.py是加载coco数据集的函数，你需要根据自己的情况修改加载文件的路径
eval.py是对模型进行评估的函数
这段代码是复现fcos的代码，backbone使用了resnet18 主要分为两个部分
第一部分训练网络，入口函数是train.py
运行脚本的时候可以设置外部参数
--epoch 设置训练轮数
--batch 设置batch_size
--linux 等于1的时候代表读取linux上的数据集，等于0代表读取win10上的
--lr 设置学习率，默认为0.01
--gpu 等于1表示使用gpu，等于0不使用，默认为1
--restart 不读取检查点信息，从头开始训练
--step 设置每step步显示一下损失值，默认值为1000
每一轮训练都会保存一下模型，生成checkpoint.txt文件，里面记录上次训练的轮数 每次重新运行脚本都会删除checkpoint.txt和模型文件，所以这只是让你看一下上次训练到哪了
训练完成后会在image文件夹下生成图片，一般来说每轮训练的时候不在val上进行测试 所以图片只会有在训练集上的结果
训练好的模型保存在model文件夹下
训练好模型后使用eval.py进行coco评估，里面有一个阈值需要自己设定 脚本里面默认是阈值是0.5，你需要测试多少阈值就直接设置然后跑就行了
运行代码命令
# 使用gpu，在服务器上运行
python train.py --linux=1 --gpu=1 --restart=1
# 使用cpu进行测试
python train.py --linux=0 --step=10 --batch=1 --gpu=0 --restart=1