mmdetection 环境配置与简单测试（mmrotate同理）

环境配置

这里用的win11进行的测试，后续也会补充Ubuntu的配置方法，几乎同理。
采用的硬件环境：
win11：12900kf+3090
软件配置
anaconda3
python=3.8.16
pytorch=1.10
OpenCV = 4.7
torchaudio = 0.10
torchvision = 0.11.0
mmcv-full = 1.7.1
mmdet = 2.28
mmrotate=0.3.4

annaconda环境安装

此处略
安装完毕建议及时换源

创建新的虚拟环境（此处参考官方）

创建基于python3.8的虚拟环境：

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

下面进入安装步骤：
1、首先要安装pytorch，查看官网的教程的链接：pytorch
这里采用的是基于conda的安装，30系列显卡要用cuda11以上的环境

# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 

2、这里采用官方推荐最佳的安装方式：
安装Install MMCV using MIM.

pip install -U openmim
mim install mmcv-full

3、下载源码进行安装（要做开发，不是依赖，建议下源码编译）

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
# "-v" means verbose, or more output
# "-e" means installing a project in editable mode,
# thus any local modifications made to the code will take effect without reinstallation.

4、验证是否安装成功
下载权重参数文件，放到工程的根目录（或者自己创建checkpoints文件夹）

mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .

5、使用demo文件中的文件进行测试

python demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg

可以看到 result.jpg的结果图片，证明已经配置完成

代码结构分析讲解

代码整体的结构)
checkpoints：用于存放权重文件

config：用于存放各类的网络模型

其中，_base_中datasets是定义了数据集加载的格式（coco或者voc）与数据的路径。

models中是组合了各个模块行测形成基础的网络模型：

configs中的改进模型都继承于这几个基本模型框架，通过设置不同的层数和参数建立的新模型。
schedules中为训练策略（优化器，学习率等参数）

demo：文件夹用于放测试的应用实例
mmdet文件夹

core中存放了进行检测的主要机理过程，并封装函数，核心的计算原理过程
datasets中是定义的数据集名称与类别，以及数据集评估的计算。

models：各类模块的详细结构定义（如果添加自己的模块，在此处修改）：

tools文件夹
主要用于训练和测试。

接下来详细介绍自己数据集的训练