提前准备
1.安装anaconda
2.安装和gpu算力匹配的cuda版本，我选用的是11.3版本的cuda
下载mmrotate
网址：https://github.com/open-mmlab/mmrotate
进入目录下
cd mmrotate
创建虚拟环境并激活
conda create -n mmrotate python=3.7 -y
conda activate mmrotate
下载 torch和torchvision
首先确定cuda版本，然后到以下网址确定对应的torch和torchvision版本
https://pytorch.org/get-started/previous-versions/
我选用的以下版本，即torch=1.10.0，torchvision==0.11.0
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
这里选择本地下载，根据cuda，torch，torchvision，python版本，到以下网址选择对应版本的.whl文件
https://download.pytorch.org/whl/torch_stable.html
这是我最终下载的版本
然后进入.whl路径，依次pip install torch和torchvision
安装 mmcv_full
mmcv的版本要跟cuda，torch的版本对应
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
以下是我的安装指令
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html
也可以到网页中自己选择对应版本的.whl进行手动安装
安装 mmdetection
pip install mmdet
安装 mmrotate
如果按照上述操作，已经提前到网站下载mmrotate的文件，并cd到对应路径下，则只需要执行
pip install -r requirements/build.txt
pip install -v -e . # or "python setup.py develop"
测试
提前新建checkpoints文件夹，在configs文件下对应的算法下面的readme找对应的权重
在mmrotate路径下，执行以下指令
python demo/image_demo.py demo/demo.jpg configs/roi_trans/roi_trans_r50_fpn_1x_dota_le90.py checkpoints/roi_trans_r50_fpn_1x_dota_le90-d1f0b77a.pth --out-file result.jpg
总结
1.mmdection和mmrotate环境关系
如果先搭建了mmdection，只需要再装mmrotate就可以了
如果先搭建了mmrotate，不需要装mmdetection就可以用了
是一个包含关系
mmrotate就是在mmdection的基础上添加了斜框
2.主要踩坑地方还是集中在版本的对应
首先确定自己显卡的算力，确定cuda版本
在对应torch，torchvision和mmcv-full的版本
3.还有一小坑
权重和代码要对应，下载最新版本的权重