如何用SimpleDet完成目标检测与物体识别？

    引言
    SimpleDet是一套简单通用的目标检测与物体识别的框架。整套框架基于MXNet的原生API完成。
    主要特点
    FP16训练可节省内存并加速2．5倍开箱即用的高度可扩展的分布式训练全面涵盖了最先进的模型，包括FasterRCNN， MaskRCNN， CascadeRCNN， RetinaNet， DCNv1／v2， TridentNet， NASFPN ， EfficientNet， 和 Kownledge Distillation。广泛的功能集，包括大批次BN，同步损失，自动BN融合，soft NMS，多尺度训练／测试模块化设计，无需编码即可探索新的实验设置广泛的文档，包括带注释的配置、Fintuning指南。
    目 录
    1．基准测试
         1．1对SimpleDet进行基准测试，给出测试平台和测试结果。
    2．构建wheel包
        2．1介绍将自定义mxnet打包为用于本地安装的python wheel的过程。
    3．数据集
         3．1介绍了从COCO格式，VOC格式或JSON格式创建roidb的过程。
    4．分布式训练
         4．1提供启动具有Singularity包的分布式训练的指南
    5．微调
         5．1本文档介绍了为你的自定义数据集启用现有模型的过程。
    6．框架概述
         6．1概述检测器及组件
    7．安装
         7．1介绍安装过程
    8．tensorboard
          8．1设置tensorboard以及在shell发布
    更新计划
    每周两篇，欢迎持续关注，一起进步。
    ☆ END ☆