配置环境：按照readme说明书，傻瓜式探索
anaconda终端输入
conda create -n aqatrack python=3.8 conda activate aqatrack bash install.sh最后一行Windows系统可能会报错，缺少whl之类的，没关系，咱们打开PyCharm，建一个项目aqatrack，路径选aqatrack主干文件的根目录
选现有环境，然后在终端运行
python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir ./output记得把里面的点换成自己 的绝对路径，python tracking/create_default_local_file.py --workspace_dir.--data_dir./data--save_dir./output，注意啊这里是反斜杠
在终端运行以上命令来设置该项目的路径，有报错就是模块缺失，缺什么咱们就补什么，直到不报错即可，以上，环境就配置好啦🎆撒花✿✿ヽ(°▽°)ノ✿
遇到安装包缺失的情况就用pip
文件内容里面出现的陌生词汇：tensorboard-记录欠拟合、过拟合问题的
现在修改一些地方的参数：
yaml文件是256是基础，384是骨干
每一轮采样率
23行-添加数据集名称，29行-更改采样的比例
66行-训练轮数BATCH_SIZE:8[可以按偶数上下调，比如6、10，怎么样的情况就往上调了呢？]
74行-显卡数量-T_T工作站只有一个显卡
80行-验证次数VAL_EPOCH_INTERVAL:20
lib.train.data_specs里面添加分好类的数据集txt文件
还没加。。。
lib.train.dataset里面的__init__.py文件里面需要改
加入引入数据集名字的类from .ootb import OOTB
这里 的ootb需要是lib.train.dataset里面的一个ootb.py文件，这个ootb.py可以让D师傅手搓一个
lib.train下属的base_functions.py里面改
同样在文件开头导入数据集类
# 在现有导入语句后添加 from lib.train.dataset import OOTB, OOTB_lmdb # 假设存在这些类修改names2datasets函数在32行添加数据集名称，在81行添加数据集支持，代码如下
# 添加 OOTB 数据集支持 if name == "OOTB": if settings.use_lmdb: print("Building OOTB from lmdb") # 假设 OOTB_lmdb 需要的参数 datasets.append(OOTB_lmdb(settings.env.ootb_lmdb_dir, split='train', image_loader=image_loader)) else: print("Building OOTB dataset") # 假设 OOTB 需要的参数：数据目录和分割 datasets.append(OOTB(settings.env.ootb_dir, split='train', image_loader=image_loader))以上，参数修改完成，可以开始运行了。
补充：
训练的代码修改：
1设置数据集路径，在README文件里复制代码，替换点，在lib.train.admin下会生成一个local.py文件里会注明路径，如果报错缺少模块，缺什么补什么，用pip+阿里镜像源就可以，比如：
pip install torch -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com2设置环境，在lib.train.admin下的environment.py
、、3dataset里面改两个，1添加读取数据集的py文件2-init_文件中导入库
、、4train下修改data_specs里的txt训练和测试文件，不需要起始帧范围
、、4yaml文件中的参数修改，显卡数量，Batch Size按2的幂次来训练，从高到底的试，16-8-4-2
测试的修改test：
读取数据集的文件生成参考latsot的读取方式
test.evaluation里面修改
环境environment，self
dataset
testepoch46改数据集名字
78epoch=xxx，训练权重，名字
训练过程中
train.trainers下的base_trainer.py里面96-98修改训练轮数，保存最后10轮，可以修改权重（修改的时机）
out of memory
