RSPrompter：基于Visual Foundation模型学习提示遥感实例分割。代码跑通过程

一、代码下载 

​​​​​​代码下载地址

二、根据作者README说明配置代码环境

 1、根据代码环境要求进行AutoDL服务器租聘，最好保证所需的cuda版本，然后立即创建。

2、根据博客将代码传输至服务器端。

请看这个博客：vscode远程连接及文件传输

3、用vscode打开代码所在文件夹，并进行pytorch环境配置。这里首先会看到所在环境为base环境。

4、在终端输入conda create -n RSP(这里为虚拟环境名，可任意取名) python=3.10。这里我们创建的是python3.10的虚拟环境。

conda create -n RSP python=3.10

 根据指令安装一些包之后，输入conda activate test，激活该虚拟环境。

conda activate RSP

5、pytorch安装。pytorch官网地址

根据作者要求安装pytorch2.x，这里选择安装pytorch2.1.1，这里注意要和cuda版本对应。

复制指令到我们的终端下，然后回车等待安装完成。

conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 pytorch-cuda=12.1 -c pytorch -c nvidia

like this。 

 检查pytorch是否装好！在终端输入指令

python
import torch
print(torch.__version__)

 成功装好，显示pytorch版本2.1.1。

 根据作者给的要求和指令安装mmcv。

pip install -U openmim

mim install mmcv==2.1.0

三、数据集准备

这里一些数据作者直接给定链接进行下载。在作者的代码中，已经给了NWPU部分数据，所以我们这里直接利用NWPU数据集进行代码训练，测试。其他数据请自行下载，并根据数据集下载存储地址，修改配置文件中数据读取路径。

 四、模型训练

这里我们选择单卡模式，并使用的是samdet-nwpu.py相关配置文件。

python tools/train.py configs/rsprompter/samdet-nwpu.py

！！报错。这里是是由于一些依赖环境包没有安装，安装即可！

 

我们加上镜像源，下载会快很多！ 

pip install mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple

 这里需要按照很多依赖包，所以将你的requirements.txt文件修改如下后，只需要一条指令安装所有依赖包！

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

装完之后，会有一个选择记录训练过程到wandb，这里选择3， 不可视化结果。

 成功开始训练！

五、模型测试

样例！

python tools/test.py configs/rsprompter/samdet-nwpu.py /root/autodl-tmp/RSPrompter-release/work_dirs/rsprompter/samdet-nwpu/best_coco_bbox_mAP_epoch_10.pth 

六、可视化结果

样例！

python demo/image_demo.py /root/autodl-tmp/RSPrompter-release/data/NWPU/imgs/005.jpg  configs/rsprompter/samdet-nwpu.py --weights /root/autodl-tmp/RSPrompter-release/work_dirs/rsprompter/samdet-nwpu/best_coco_bbox_mAP_epoch_10.pth --out-dir /root/autodl-tmp/RSPrompter-release/output