最近有旋转目标检测的需求了，在寻找旋转目标检测算法的过程中，发现已经有人提前测评了各类旋转目标检测框架了，结果是mmrorate效果最好。本次记录一下mmrorate的实验过程。将持续更新实验记录！主要参考：1.测评参考：2.实现过程参考1.目前电脑已有环境（1）Ubuntu20.04（2）Cuda==11.2+cudnn2.下载代码建立虚拟环境（1）下载代码（2）建立虚拟环境用pycharm打开

运行代码时报错：TypeError: an integer is required (got type bytes)网上看到的大部分办法是要对python3.8进行降级，这个方法兴许能解决问题，但是太过于麻烦了！也有修改python自身的cloudpickle.py文件的，我这边改完后的结果就是继续一连串的bugs。

PCL是一个大型跨平台开源C++编程库，它在吸收了前人点云相关研究基础上建立起来，实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。PCL支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取

C++版本使用的是PCL库。

huggingface由于是外网，下载困难，建议去魔塔社区下载，下载后置于LLama-factory根目录下，新建models文件夹。既然qwen本身具有较好的图像描述能力，那我们可以先使用qwen进行图像描述，在此基础上进行复核修改，这样做可以减少人力成本。因为我是一边测试一边记录，为了安全起见，建议使用anaconda建立LLama-Factory虚拟环境。生成的权重文件在LLama-Fact

点云是指在三维坐标系中的一组数据点。每个点代表空间中的一个特定位置，可以由其 x、y 和 z 坐标定义。点云常用于计算机视觉和机器人应用程序中，例如物体识别、三维重建和定位。点云的优点是可以提供丰富的几何信息，可以用于建模和分析三维场景。缺点是点云数据通常非常大，处理和存储成本较高。

仅做个人试验记录！

以上命令完整的意思可以解释为：Docker 以 ubuntu18.04镜像创建一个新容器，然后在容器里执行 bin/echo “Hello world”，然后输出结果。使用的是 nano，可以通过按 Ctrl + O 保存文件，然后按 Enter 确认文件名，最后按 Ctrl + X 退出编辑器。3.参考：https://www.runoob.com/docker/docker-tutorial.

新建文件夹，并在文件夹下新建build文件夹、CMakeLists.txt和pcl_test.cpp文件。依次安装和更新如下依赖文件。会出现图像，代表成功。

ubuntu中pytorch安装速度太慢的解决方法一，电脑配置ubuntu_18.04cuda9.0gpuconda二，切换到国内镜像解释一下，pytorch的官网中有安装教程，链接，但是按着下载老是会中断。1.切换到国内镜像，终端输入conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anacon...