你可以使用 网页标注工具 (备用地址) 将本地电脑上的图片标注。当完成标注后，可以通过EXPORT LABELS按钮导出xml标注（A zip package containing files in VOC XML Fomrat).

当你准备好训练数据后（训练数据是N张jpg图片和同名xml)，将数据上传到远程GPU电脑上的train_data文件夹。

如果github下载速度太慢了，可以试用这个百度网盘链接：https://pan.baidu.com/s/1UpAM06U9E2WzePm2JGqZhQ

如果jupyter让你选择kernel，建议选择 conda_mxnet_p36

在jupyter notebook上下载这个repo，并解压数据，可以在一个代码cell里输入下面的命令：

!git clone https://github.com/hetong007/d2l-1day-cv-hackathon.git
!cd d2l-1day-cv-hackathon && unzip images.zip

在jupyter notebook里安装 gluoncv，可以在一个代码cell里输入下面的命令：

!pip install --pre gluoncv

读数据时碰到报错内容含有Unspecified或者是int()等字样的，请安装最新版 gluoncv:

!pip install --pre gluoncv

如果遇到GPU is not enabled，说明你自己装了一个CPU版本的mxnet，把GPU版本的覆盖掉了，修复：

!pip install --pre --upgrade mxnet-cu100

更多模型与进阶应用: https://gluon-cv.mxnet.io

打开training_object_detector.ipynb，学习和训练一个目标检测器

打开test_object_detector.ipynb，测试目标检测器