依赖¶
在本节中，我们将演示如何使用PyTorch准备环境。
MMRotate 能够在 Linux 和 Windows 上运行。它依赖于 Python 3.7+, CUDA 9.2+ 和 PyTorch 1.6+。
注解
如果您对 PyTorch 有经验并且已经安装了它，只需跳过此部分并跳到 下一节 。否则，您可以按照以下步骤进行准备。
第0步： 从 官网 下载并安装 Miniconda。
第1步： 创建一个 conda 环境并激活它.
conda create --name openmmlab python=3.8 -y
conda activate openmmlab
第2步： 根据 官方说明 安装 PyTorch, 例如：
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch
安装¶
我们建议用户按照我们的最佳实践安装 MMRotate。然而，整个过程是高度可定制的。有关详细信息，请参阅 自定义安装 部分。
最佳实践¶
第0步： 使用 MIM 安装 MMCV 和 MMDetection
pip install -U openmim
mim install mmcv-full
mim install mmdet
第1步： 安装 MMRotate.
案例a：如果您直接开发并运行 mmrotate，请从源代码安装：
git clone https://github.com/open-mmlab/mmrotate.git
cd mmrotate
pip install -v -e .
# "-v" 表示详细或更多输出
# "-e" 表示以可编辑模式安装项目，
# 因此，对代码进行的任何本地修改都将在不重新安装的情况下生效。
案例b：如果将 mmrotate 作为依赖项或第三方软件包，请使用 pip 安装它：
pip install mmrotate
验证¶
为了验证是否正确安装了 MMRotate，我们提供了一些示例代码来运行推理演示。
第1步： 我们需要下载配置文件和检查点文件。
mim download mmrotate --config oriented_rcnn_r50_fpn_1x_dota_le90 --dest .
下载需要几秒钟或更长时间，具体取决于您的网络环境。当下载完成之后，您将会在当前文件夹下找到 oriented_rcnn_r50_fpn_1x_dota_le90.py 和 oriented_rcnn_r50_fpn_1x_dota_le90-6d2b2ce0.pth 这两个文件。
第2步： 验证推理演示
选项（a）：如果从源代码安装 mmrotate，只需运行以下命令。
python demo/image_demo.py demo/demo.jpg oriented_rcnn_r50_fpn_1x_dota_le90.py oriented_rcnn_r50_fpn_1x_dota_le90-6d2b2ce0.pth --out-file result.jpg
您将在当前目录下看到一张名为 result.jpg 的新图片，其中旋转边界框绘制在汽车、公共汽车等目标上。
选项（b）：如果使用 pip 安装 mmrotate，请打开 python 解释器并复制和粘贴以下代码。
from mmdet.apis import init_detector, inference_detector
import mmrotate
config_file = 'oriented_rcnn_r50_fpn_1x_dota_le90.py'
checkpoint_file = 'oriented_rcnn_r50_fpn_1x_dota_le90-6d2b2ce0.pth'
model = init_detector(config_file, checkpoint_file, device='cuda:0')
inference_detector(model, 'demo/demo.jpg')
您将看到打印的数组列表，表示检测到的旋转边界框。
自定义安装¶
CUDA 版本¶
安装 PyTorch 时，需要指定 CUDA 的版本。如果您不清楚选择哪一个，请遵循我们的建议：
对于基于安培架构的 NVIDIA GPU，如 GeForce 30 系列和 NVIDIA A100，必须使用 CUDA 11。
对于较旧的 NVIDIA GPU，CUDA 11 向后兼容，但 CUDA 10.2 更轻量并且具有更好的兼容性。
请确保 GPU 驱动程序满足最低版本要求。 请查询 表格 以获得更多信息。
注解
如果遵循我们的最佳实践，安装 CUDA 运行时库就足够了，因为不会在本地编译 CUDA 代码。但是，如果您希望从源代码处编译 MMCV 或开发其他 CUDA 算子，则需要从 NVIDIA 的 网站 安装完整的 CUDA 工具包，其版本应与 PyTorch 的 CUDA 版本匹配。例如使用 conda install 命令指定 cudatoolkit 的版本。
不使用 MIM 安装 MMCV¶
MMCV 包含 C++ 和 CUDA 扩展，因此以复杂的方式依赖于 PyTorch。MIM 会自动解决此类依赖关系，并使安装更容易。然而，这不是必须的。
要使用 pip 而不是 MIM 安装 MMCV，请遵循 MMCV 安装指南 。 这需要根据 PyTorch 版本及其 CUDA 版本手动指定 find-url。
例如, 以下命令安装了为 PyTorch 1.9.x 和 CUDA 10.2 构建的 mmcv-full。
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8/index.html
在 Google Colab 安装¶
Google Colab 通常已经安装了 PyTorch， 因此，我们只需要使用以下命令安装 MMCV 和 MMDetection。
第1步： 使用 MIM 安装 MMCV 和 MMDetection 。
!pip3 install -U openmim
!mim install mmcv-full
!mim install mmdet
第2步： 从源码安装 MMRotate。
!git clone https://github.com/open-mmlab/mmrotate.git
%cd mmrotate
!pip install -e .
第3步： 验证。
import mmrotate
print(mmrotate.__version__)
# Example output: 0.3.1
注解
在Jupyter中，感叹号 ! 用于调用外部可执行文件，%cd 是一个 魔术命令 用于更改 Python 的当前工作目录。
在 Docker 镜像中使用 MMRotate¶
我们提供了 Dockerfile 用于创建镜像。 请确保您的 docker 版本 >=19.03。
# build an image with PyTorch 1.6, CUDA 10.1
# If you prefer other versions, just modified the Dockerfile
docker build -t mmrotate docker/
使用下列命令运行
docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmrotate/data mmrotate