一、代码下载
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。
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