1、准备环境
conda create -n YOLOX python=3.8
conda activate YOLOX
pip install torch==1.8
cd YOLOX
pip install -r requirements.txt
/home/zengxh/anaconda3/envs/CreepageDistance/bin/python3.8 setup.py develop
2、安装pycocotools
git clone https://github.com/cocodataset/cocoapi
cd cocoapi/PythonAPI/
# cd pycocotools-2.0.2
python setup.py build_ext install
3、安装apex
这个工具为什么要安装呢,提高你的显存能力,比如你的显存只能跑batch_size 4安装了这个就可以跑batch_size 8
下载地址
cd apex-master
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" .
or
python setup.py install
4、 测试是否能用
python tools/demo.py image -f exps/default/yolox_s.py -c yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu
5、准备数据集
- 使用labelimg标准图片为xml的格式
- 将标准好的图片放到/home/zengxh/workspace/YOLOX/datasets/coco/org/中
- 运行 python_developer_tools/cv/detection/yolovx/labelme2YoloXdatasets/切分数据集.py
6、修改exps\example\custom\yolox_s.py
self.data_dir = "datasets/coco"
self.train_ann = "instances_train2017.json"
self.val_ann = "instances_val2017.json"
self.num_classes = 5
7、修改yolox\data\datasets\coco_classes.py
8、/home/zengxh/anaconda3/envs/CreepageDistance/bin/python3.8 tools/train.py -f exps/example/custom/yolox_s.py -d 1 -b 8 --fp16 -c yolox_s.pth
9、python tools/demo.py image -f exps/example/custom/yolox_s.py -c ./YOLOX_outputs/yolox_s/best_ckpt.pth --path 00000.bmp --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu
上述需要的所有代码都在https://github.com/carlsummer/python_developer_tools