RSPrompter项目安装与配置指南

RSPrompter项目安装与配置指南

RSPrompter 项目地址: https://gitcode.com/gh_mirrors/rs/RSPrompter

1. 项目基础介绍

RSPrompter是一个开源项目，它是基于视觉基础模型进行遥感实例分割的学习与提示的项目。该项目旨在通过学习提示（prompting）技术，提高遥感图像中目标实例分割的准确性。项目基于PyTorch深度学习框架，使用了MMDetection项目的一些组件。

2. 项目使用的关键技术和框架

• PyTorch：一个开源的机器学习库，基于Torch，提供了广泛的功能来支持深度学习算法的实现。
• MMDetection：一个基于PyTorch的开源目标检测工具箱，提供了丰富的模型配置和训练流程。
• SAM（Segment Anything Model）：一种用于图像分割的最新技术，能够对图像中的任意对象进行精确分割。
• LoRA（Low-Rank Adaptation）：一种模型微调技术，通过低秩矩阵分解减少模型参数，从而降低模型微调的计算量和存储需求。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux或Windows
• Python版本：3.7或更高，推荐3.10
• PyTorch版本：2.0或更高，推荐2.1
• CUDA版本：11.7或更高，推荐12.1
• MMCV版本：2.0或更高，推荐2.1

安装步骤

第0步：安装Miniconda（如果尚未安装）

访问Miniconda官方网站下载并安装适合您操作系统的Miniconda版本。

第1步：创建并激活虚拟环境

打开命令行，执行以下命令创建名为rsprompter的虚拟环境并激活它：

conda create -n rsprompter python=3.10 -y
conda activate rsprompter

第2步：安装PyTorch

根据您的操作系统，使用以下命令之一安装PyTorch：

# Linux/Windows:
pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu121
# 或者
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia

第3步：安装MMCV

pip install -U openmim
mim install mmcv==2.1.0

第4步：安装其他依赖

pip install -U transformers==4.38.1 wandb==0.16.3 einops pycocotools shapely scipy terminaltables importlib peft==0.8.2 mat4py==0.6.0 mpi4py

第5步：[可选] 安装DeepSpeed

如果需要使用DeepSpeed进行模型训练，可以参考DeepSpeed官方文档安装DeepSpeed。以下是安装DeepSpeed的命令：

pip install deepspeed==0.13.4

注意：Windows系统下对DeepSpeed的支持不够完善，建议在Linux系统下使用DeepSpeed。

完成以上步骤后，您的环境就已经准备好开始使用RSPrompter项目了。接下来，您可以按照项目README文件中的说明进行数据准备、模型训练和测试等操作。

RSPrompter 项目地址: https://gitcode.com/gh_mirrors/rs/RSPrompter