模型环境的安装配置与demo运行

我只配了FGFA的环境，所以不保证DFF能够成功，但是核心方法应该是一样的，都是安装mxnet包。

配置遇到的问题：之前在ubuntu16.04下配置了好久，ubuntu的环境是ubuntu16.04+cuda9.0 ,一直没有成功，根据readme的方法是下载mxnet的源码，更新源码，然后编译后与python绑定，但是这个方法我一直尝试到make -j4的时候就会报错（因为编译的文件很多，错误出现在中间，不太好找），导致后面运行demo的时候也会出错，报的是raise mxnetError, 查了好多信息，后来觉得可能是cuda版本的问题，由于cuda版本不能轻易改动，所以放弃了在ubuntu下的配置。

接下来介绍我的安装环境 win10+cuda10.0+vs2017。由于我的windows电脑原来用的是cuda 9.0所以删除了原本的cuda，安装了cuda10.0,具体的安装方法网上比较多，这里就不详细解释。

第一步：具体环境

打开FGFA的github上的readme，先配置环境，使用Python2.7,为了方便大家，我直接上传了我的整个虚拟环境

Flow-Guided-Feature-Aggregation-的安装配置，demo运行，以及采用少量ILSVRC2015 VID数据集在其中训练

要注意，win10比ubuntu下多了一句For Windows users, Visual Studio 2015 is needed to compile cython module。

这一步我是只直接在虚拟环境里安装了cython，如果有多个vs版本的，设置一下默认的编译的版本，不需要其他的操作。这一步只要环境配置好，编译就不会有问题。

第二步：源码初始化

git clone下源码，然后放到一个文件夹中，进入这个文件，运行 .\init.bat,这一步应该也不会有问题，如果有也是环境配置的问题。

第三步：安装mxnet

这一步，按原网站的方法是，下载source文件，然后check out，更新。再复制缺少的.h文件到mxnet源码后编译，但是我使用cuda9.0的情况下无法配置成功（不确定是不是个人原因）。所以推荐使用直接pip安装mxnet的包（感谢issue里的同学提供的思路），最新的包里直接包含了所需要的.h文件，不需要cp -r那一步，也不需要后面的make , setup等步骤，非常方便！

要求就是例如我是cuda 10.0，我就pip install mxnet-cu100。然后下载权重。如果cuda版本对，这一步也没什么问题。