1.基础环境

镜像：Miniconda  conda3，Python  3.10(ubuntu22.04)，CUDA  11.8

显卡：RTX4090

2.代码与环境准备（地基）

上传代码

cd /root/autodl-tmp/
unzip my-first-project.zip
git clone 代码地址

3. 创建纯净环境

使用 Python 3.10（项目推荐版本）

source /etc/network_turbo       # 开启加速
conda remove -n rtdetr --all -y # 删除旧环境（如果有）
conda create -n rtdetr python=3.10 -y
conda activate rtdetr

4.依赖安装（核心避坑区）

这是之前最容易出错的地方，请按顺序复制执行。

4.1. 安装 PyTorch (锁定 CUDA 11.8)

理由： 你的机器是 11.8，必须装适配版本，否则 Mamba 无法编译。

pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118

4.2. 锁定 NumPy 和 OpenCV (防止冲突)

理由： 解决 Failed to initialize NumPy 和 OpenCV 版本报错。

pip install "numpy<2.0" "opencv-python<4.10.0" "opencv-python-headless<4.10.0"

4.3. 安装 MMCV (使用官方直链)

理由： 解决下载慢的问题。链接适配 Torch 2.1.x + CUDA 11.8。

pip install "https://download.openmmlab.com/mmcv/dist/cu118/torch2.1.0/mmcv-2.2.0-cp310-cp310-manylinux1_x86_64.whl"

4.4. 安装项目基础依赖

理由： 补全项目运行所需的常规包。

pip install -r requirements.txt
pip install timm==1.0.7 thop efficientnet_pytorch==0.7.1 einops grad-cam==1.5.4 dill==0.3.8 albumentations==1.4.11 pytorch_wavelets==1.3.0 tidecv PyWavelets prettytable ninja packaging

4.5. 修改源代码

数据集的位置，数据集的格式转换

格式转换代码

import os
from pathlib import Path
from PIL import Image
from tqdm import tqdm

def convert_visdrone_to_yolo(visdrone_raw_path, project_dataset_path):
    # VisDrone原始类别(1-10) → YOLO类别(0-9)
    class_map = {1: 0, 2: 1, 3: 2, 4: 3, 5: 4, 6: 5, 7: 6, 8: 7, 9: 8, 10: 9}
    valid_categories = set(class_map.keys())  # 有效类别：1-10
    
    for split in ['train', 'val']:
        # 自动适配解压路径
        split_root = Path(visdrone_raw_path) / split
        src_split_dirs = [d for d in split_root.glob('*') if d.is_dir()]
        if not src_split_dirs:
            print(f"错误：{split} 目录下未找到解压文件夹！")
            continue
        src_split_dir = src_split_dirs[0]
        
        img_src_dir = src_split_dir / 'images'
        label_src_dir = src_split_dir / 'annotations'
        
        # 目标路径
        save_img_dir = Path(project_dataset_path) / 'images' / split
        save_label_dir = Path(project_dataset_path) / 'labels' / split
        save_img_dir.mkdir(parents=True, exist_ok=True)
        save_label_dir.mkdir(parents=True, exist_ok=True)
        
        print(f"\n处理 {split} 集：")
        print(f"  图片路径：{img_src_dir}")
        print(f"  标注路径：{label_src_dir}")
        
        label_files = list(label_src_dir.glob('*.txt'))
        print(f"  找到 {len(label_files)} 个标注文件")
        
        valid_count = 0
        for label_file in tqdm(label_files, desc=f"转换进度"):
            img_file = img_src_dir / (label_file.stem + '.jpg')
            if not img_file.exists():
                continue
            
            # 获取图片宽高
            try:
                with Image.open(img_file) as img:
                    w_img, h_img = img.size
            except:
                continue
            
            yolo_lines = []
            with open(label_file, 'r', encoding='utf-8', errors='ignore') as f:
                for line_idx, line in enumerate(f):
                    line = line.strip()
                    if not line:
                        continue
                    data = line.split(',')
                    if len(data) < 8:
                        continue
                    
                    # 强制处理类别（容错处理，避免编码错误）
                    try:
                        category = int(data[5].strip())  # 去除空格，防止隐性错误
                    except:
                        continue  # 类别无法转换为数字则跳过
                    
                    # 只过滤 0（忽略）和 11（其他），其余 1-10 强制保留
                    if category not in valid_categories:
                        continue
                    
                    # 转换坐标
                    try:
                        x1, y1, w, h = map(float, [d.strip() for d in data[:4]])
                    except:
                        continue  # 坐标错误则跳过
                    
                    # YOLO 格式转换
                    x_center = (x1 + w/2) / w_img
                    y_center = (y1 + h/2) / h_img
                    w_norm = w / w_img
                    h_norm = h / h_img
                    
                    # 边界修正
                    x_center = max(0.001, min(0.999, x_center))
                    y_center = max(0.001, min(0.999, y_center))
                    w_norm = max(0.001, min(0.999, w_norm))
                    h_norm = max(0.001, min(0.999, h_norm))
                    
                    yolo_lines.append(f"{class_map[category]} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n")
        
            # 保存有效标注和图片链接
            if yolo_lines:
                valid_count += 1
                # 保存标注
                with open(save_label_dir / label_file.name, 'w', encoding='utf-8') as f:
                    f.writelines(yolo_lines)
                # 创建图片软链接
                link_path = save_img_dir / img_file.name
                if not link_path.exists():
                    os.symlink(img_file, link_path)
        
        print(f"  有效转换文件数：{valid_count}")

if __name__ == '__main__':
    RAW_DATA_PATH = '/root/autodl-tmp/VisDrone2019'
    PROJECT_DATASET_PATH = '/root/autodl-tmp/my-first-project/dataset'
    
    convert_visdrone_to_yolo(RAW_DATA_PATH, PROJECT_DATASET_PATH)
    print("\n✅ 转换完成！")

5.数据准备
5.1. 准备 VisDrone 数据集

将 VisDrone2019-DET-train.zip 和 VisDrone2019-DET-val.zip 上传到虚拟环境中。

解压：

mkdir -p dataset/VisDrone2019/train dataset/VisDrone2019/val
unzip -q /root/autodl-tmp/VisDrone2019-DET-train.zip -d dataset/VisDrone2019/train
unzip -q /root/autodl-tmp/VisDrone2019-DET-val.zip -d dataset/VisDrone2019/val

5.2. 转换标签 (YOLO格式)

确保你使用了项目中的转换脚本将 VisDrone 的标注转换为 txt 格式，并放在对应的 labels 文件夹下，代码前面已经给出。

5.3. 配置文件 dataset/visdrone.yaml

# 文件名：dataset/visdrone.yaml

# 1. 修改为你的 AutoDL 绝对路径 (根据你代码所在位置)
path: /root/autodl-tmp/my-first-project/dataset  # 指向包含 images 和 labels 的上一级目录

# 2. 训练和验证集的相对路径
train: images/train
val: images/val
test: images/test

# 3. 修改为 VisDrone 的 10 个类别 (必须对齐!)
nc: 10
names:
  0: pedestrian
  1: people
  2: bicycle
  3: car
  4: van
  5: truck
  6: tricycle
  7: awning-tricycle
  8: bus
  9: motor

第四阶段：训练代码

实验 1：Baseline (原始 RT-DETR-R18)

python train.py