把源代码跑起来了，将实验过程记录如下，用于新手入门。
今天和师兄师姐才跑通，来分享下心得。（预训练网络：ImageNet_model，训练集：PASCAL VOC2007， GPU）
首先，整个train and test过程不是唯一的，理解的越深才能越熟练。
下来，进入正题：
1.git clone源代码。一定要选recursive模式。（否者caffe这个包不在源代码里，编译会报错）
2.进入lib文件夹，make一下下。
3.下来在caffe的目录下，cp Makefile.config.example Makefile.config
这是会看到出现了一个新文件夹，叫做Makefile.config
4.修改Makefile.config文件内容（这一步很重要，网上有很多教程，一定要根据自己的相关依赖包 路径该有关内容，切不可直接照猫画虎）
5.这一步将网上下载到的PASCAL VOC2007数据集解压后的文件夹，放入根目录的data文件夹下。
6.再将网上下载到的用于预训练的ImageNet_model模型，解压后的文件夹放入data文件夹下。
7.下来就该编译caffe了，进入caffe目录，make all, make test, make runtest, make pycaffe.
这一步，如果有错就要检查是否前期准备工作没做好，如果是一些特别奇怪的，可以跳过make下 一个（我跳过了中间两步，师姐跳过了第二个，原因还没搞懂）
8.在前7 步都成功之后，就输入用于训练的Linux命令，我没有改迭代次数，【80000,4000,80000,4000】然后大概训练了8个小时（工作站有GPU），可以自己先用【100,100,100,100】实验。
9.训练成功之后，将caffemodel后缀文件，和测试图片一同作为输入，运行demo命令，就成功啦。
小结：
1.整个demo跑下来很不容易，不过你已经实验了fast rcnn，应该上手挺快。
2.我们是跑了人家的用例，自己的数据集可以做成它的格式，然后套用代码就可以啦。站在巨人的肩膀上。
3.嗯，我们水平也不高，相关领域的朋友们，欢迎来讨论切磋。