R3Det代码复现

mmdetection采坑实记（r3det）

前言

代码链接：GitHub - SJTU-Thinklab-Det/r3det-pytorch: R3Det based on mmdet 2.19.0

论文链接：https://arxiv.org/abs/1908.05612

显卡：RTX3090

一、创建环境

conda create -n mmdetection python=3.7#conda create -n 环境名 python=版本
conda activate mmdetection 
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forg

二、配置R3DET

1.下载代码文件

git clone https://github.com/SJTU-Thinklab-Det/r3det-pytorch.git --recursive
cd mmdetection

2.安装mmcv-full

#使用以下命令查看 CUDA 和 PyTorch 的版本
python -c 'import torch;print(torch.__version__);print(torch.version.cuda)'
#官网https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html查看mmcv-full版本
pip install mmcv-full==1.4.8 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8/index.html

3.安装r3det

pip install mmdet==2.19.0
pip install -r requirements.txt
pip install -v -e . #成功显示Successfully installed r3det-0.1.0

三、切割数据集

由于我运行的是dotav1.0的数据集，切割将原始图像裁剪成1024×1024个重叠200的补丁。

1.修改路径

./tools/split/split_configs/dota1_0/ss_train.json
./tools/split/split_configs/dota1_0/ss_val.json
./tools/split/split_configs/dota1_0/ss_test.json

2.切割

python tools/split/img_split.py --base_json tools/split/split_configs/dota1_0/ss_train.json
python tools/split/img_split.py --base_json tools/split/split_configs/dota1_0/ss_val.json
python tools/split/img_split.py --base_json tools/split/split_configs/dota1_0/ss_trest.json

四、训练

CUDA_VISIBLE_DEVICES=0 PORT=29500 ./tools/dist_train.sh configs/rretinanet/rretinanet_obb_r50_fpn_1x_dota_v3.py 1

五、error处理

1.运行pip install -v -e .报错，报错信息如下

解决方法是：pytorch cuda mmcv-full 之间的对应关系，一定要适配

pytorch和cuda版本

这是运行成功的一项配置。

torch官网：https://pytorch.org/
mmcv-full下载官网：https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html
查看pytorch和cuda版本代码：python -c ‘import torch;print(torch.version);print(torch.version.cuda)’

• 暴力解决：重新搭建环境，配置版本*

2.训练过程戛然而止

解决办法：因为我用的是3090的显卡，最低支持的cuda1.11，所以我又重新配置了环境

3.epoch=1的结果

*

epoch=12的结果显卡溢出

内存不足，硬件问题，可以降低batchsize和bbox的数量。