背景
用MMYOLO调试旋转目标检测时需要用到dota数据集，根据MMYOLO的官方教程，dota数据集经过处理后变为split_ss_dota，但是该数据集还是很大，对于一些配置比较低的机器要调试比较麻烦，所以这里针对该数据集，挑选了训练集200张图片，测试集30张，便于调试算法。
小数据集在本篇博客配套资源包💐
1. MMYOLO及依赖库的版本
| 包 | 版本号 |
|---|---|
| mmyolo | 0.6.0 |
| mmengine | 0.10.3 |
| mmcv | 2.0.1 |
| mmdet | 3.0.0 |
| mmcls | 1.0.0.rc6 |
2. 一键软链接上面的包：
首先将上面的包，gitclone到mmyolo同级目录：
cd mmyolo
文件夹的名字可能不同，需要根据自己的名字修改👇。
ln -s ../mmengine/mmengine/ mmengine && ln -s ../mmcv/mmcv/ mmcv && ln -s ../mmdetection-3.0.0/mmdet/ mmdet && ln -s ../mmrotate-1.0.0rc1/mmrotate/ mmrotate
配置文件更改
博主用到的配置文件是rtmdet-r_s_fast_1xb8-36e_dota.py，以这个为例，下面只给出需要更改的部分。
1. mmyolo/configs/rtmdet/rotated/rtmdet-r_l_syncbn_fast_2xb4-36e_dota.py
# ========================Frequently modified parameters======================
# -----data related-----
# data_root = 'data/split_ss_dota/'
data_root = '/home/hhh/dataset/ss_dota_200/'
train_batch_size_per_gpu = 2 # 8 这个其实可以不改，在下面哪个文件改就行
# Worker to pre-fetch data for each single GPU during training
train_num_workers = 0 # 8
# persistent_workers must be False if num_workers is 0.
persistent_workers = False # True
2. mmyolo/configs/rtmdet/rotated/rtmdet-r_s_fast_1xb8-36e_dota.py
# Batch size of a single GPU during training
train_batch_size_per_gpu = 2
调试指令
conda activate mmyolo
cd mmyolo
python tools/train.py /home/hhh/pyproject/mmyolo/configs/rtmdet/rotated/rtmdet-r_s_fast_1xb8-36e_dota.py
查看配置文件是否修改成功
python tools/misc/print_config.py configs/rtmdet/rotated/rtmdet-r_s_fast_1xb8-36e_dota.py
自己编译MMCV
注意：如果机器配置低，建议关闭其他软件，只开一个终端进行编译
# 我是直接去mmcv官网,releases找到自己想要的版本直接下载的
git clone -b 2.x git@github.com:open-mmlab/mmcv.git cd mmcvconda activate mmyolo# 安装 ninja 和 psutil 以加快编译速度
pip install -r requirements/optional.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 仅仅编译，不安装
MMCV_WITH_OPS=1 python setup.py build_ext --inplace# 建立软链接
cd ../mmyolo
ln -s ../mmcv/mmcv mmcv
编译成功后会生成一个_ext文件,这个文件很重要，如果没有的话调试时会报错：
参考
MMYOLO 实用类第一期：OpenMMLab 2.0 源码阅读和调试「必备」技巧
