1.租块GPU

从AUTODL租的2080Ti。
环境选的官方镜像
PyTorch 1.8.1
Python 3.8
Cuda 11.1
2022年3月30日10点04分

2.GitHub install.md Installation

2.1 Requirements

Linux or macOS (Windows is not currently officially supported)
Python 3.6+
PyTorch 1.3+
CUDA 9.2+ (If you build PyTorch from source, CUDA 9.0 is also compatible)
GCC 5+
mmcv > 1.3
BboxToolkit 1.0

因为这篇论文的程序好像是基于obbdetection工具箱，所以我们要先安装obbdetection

conda create -n obbdetection python=3.7 -y
source activate obbdetection

然后补上mmcv（别补了，这是坑，别安装mmcv）

 pip install mmcv==1.4

补上BboxToolkit 1.0（这个可以提前装）

git clone https://github.com/jbwang1997/BboxToolkit
cd BboxToolkit
pip install -v -e . # or "python setup.py develop"

a. Create a conda virtual environment and activate it.

这一步我在刚开始就完成了，所以略过

conda create -n obbdetection python=3.7 -y
conda activate obbdetection

b. Install PyTorch and torchvision following the official instructions, e.g.,

这里官方给的语句是：

conda install pytorch torchvision -c pytorch
但是因人而异，我的安装语句是：

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html --no-cache-dir

后边加的–no-cache-dir是为了防止failed，懂得都懂，不懂的如果报错failed就加，没有的话就当我没说。

c. Clone the OBBDetection repository.

git clone https://github.com/jbwang1997/OBBDetection.git --recursive
cd OBBDetection

d. Install build requirements and then install OBBDetection.

(1)install the BboxToolkit
这个我们刚才一开始就安装了，就不管了，略过。

cd BboxToolkit
pip install -v -e .  # or "python setup.py develop"
cd ..

（2）install mmcv-full
一开始我们按照他的要求安装的mmcv==1.4，
跟mmcv-full不是一个东西，结果mmcv官网说这俩不能共存，所以要卸掉mmcv，

pip uninstall mmcv

这里要去官网自己找相应的版本

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.1/index.html --no-cache-dir

这里卡了好久。
结果看到mmcv官网说。就是把pytorch1.8.1对应pytorch1.8.0的mmcv-full安装，怪我没长眼。
在这里插入图片描述
（3）install OBBDetection

pip install -r requirements/build.txt
pip install mmpycocotools
pip install -v -e .  # or "python setup.py develop"

最后一行运行的时候尽量盯着电脑屏幕，有什么error和warning及时记录下来。我用2080Ti运行的，大约二十分钟吧。无聊的话可以点开setup。py看着building到哪一行了哈哈。
大概率安装完obbdetection了，好累，关机。

3.Oriented Model Starting

以上环境就算安装完成了，然后我们开始进行测试。
官方提供的语句是：

python demo/huge_image_demo.py ${IMAGE_FILE} ${CONFIG_FILE} ${CHECKPOINT_FILE} ${SPLIT_CONFIG_FILE} [--device ${GPU_ID}] [--score-thr ${SCORE_THR}]
python demo/huge_image_demo.py demo/dota_demo.jpg configs/obb/oriented_rcnn/faster_rcnn_orpn_r101_fpn_3x_hrsc.py	ckpt/faster_rcnn_orpn_r101_fpn_3x_hrsce_poch36.pth BboxToolkit/tools/split_configs/dota1_0/ss_test.json
OBBDetection/BboxToolkit/tools/vis_configs/hrsc/config.json

这里我们还需要下载他之前训练的模型进行测试，因为我们没训练过。
模型的地址在https://github.com/jbwang1997/OBBDetection/tree/master/configs/obb
比如我要找oriented r cnn，
在这里插入图片描述
这些就是他训练好的模型，我们选择对应的进行下载就行，百度云、谷歌云都有，百度云的提取码就是key：后边的字符。我们以hrsc2016为测试，下载这两个模型。
我不确定他的hrsc里边缺不缺东西，
也下载一个r101-fpn ms rr 的模型key：o1r6试试，作为对比。
反正运行hrsc的失败了，可鞥

python demo/huge_image_demo.py demo/100000010.bmp configs/obb/oriented_rcnn/faster_rcnn_orpn_r50_fpn_1x_dota10.py ckpt/faster_rcnn_orpn_r50_fpn_3x_hrsc_epoch36.pth BboxToolkit/tools/vis_configs/hrsc/config.json

运行的dota的，他没有保存图像文件的代码。我的Linux看不了。调了半小时，找到了mmdet/apis/inference.py，第142行左右加入