windows下配置YOLOvX教程

0. 确保你的机器上已经安装好了Anaconda

1. 安装cuda和pytorch

CUDA和PyTorch要保证版本匹配。Pytoch下载页面

• 比如这里pytoch是1.9.0版本，那么它所对应的CUDA版本就是10.2或者11.1。于是我们这里可以去找11.1版本的CUDA。
• 本人习惯先安装CUDA，因为如果不是遇到新的问题，CUDA是在本机中可以长期保持不变的，而且重复卸载安装CUDA比较麻烦，当然这部分也有相关的教程可以参考。
• 进入CUDA11.1下载页面，然后根据需要安装好CUDA11.1，具体安装教程可以参见这篇文章（随便找的，仅示意）。如果C盘有空间，就安装到C盘就可以。
• 接下来需要安装cudnn，cudnn下载页面，进去需要注册登录才能下载，cudnn版本还是需要和CUDA11.1相适配，在下载页面根据英语指示，注意选择一下就可以。下载好后解压，然后复制到相应CUDA11.1安装目录即可，参见这篇文章。
• 准备好cudn和cudnn后就可以配置pytorch了。正如Pytorch界面所示，命令已经写好了。
• 在Anaconda中创建好新的环境（我取名为YOLOvX_2）并进入这个环境的命令行界面。创建好后在开始菜单中打开Anaconda Powershell Prompt(Anaconda3)。
• 执行命令conda activate YOLOvX_2
• 然后安装pytorch，执行这条命令就可以了，由PyTorch官网给出。conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

2. 配置YOLOvX（按照官方教程）

• 去github下载YOLOX，下载成zip格式就可以了，然后找个你自己的工作目录下解压。接下来win+r，cmd进入windows系统的命令行,cd进入刚刚解压的YOLO目录里面。
• Step1. Install YOLOX.

pip3 install -U pip
pip3 install -r requirements.txt #可以看见YOLOX的依赖文件都在这里面了
pip3 install -v -e .  # or  python3 setup.py develop

• Step2. Install Apex（此处参考了这篇文章）
  - 去github下载apex，解压到你的工作目录
  - cd进入apex
  - python setup.py install

• Step3. Install pycocotools.

pip3 install cython
【这条为官方命令，本机测试不行】pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'
【替代命令】pip install pycocotools

3. 运行测试

• 在github上下载pretrained model，把它放在YOLOX目录下自己找个路径。
  
• 执行下面这条语句测试图片：

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth.tar --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

• 测试视频（自己准备一条视频）：

python tools/demo.py video -f exps/default/yolox_s.py -c ./yolox_s.pth.tar --path ./assets/lab.mp4 --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

写到最后：
如果你遇到报错ModuleNotFoundError: No module named ‘yolox’，参考文章
可以在from yolox.data.data_augment import preproc上面添加如下两行代码修改（注意路径替换成你自己的）：

import sys
sys.path.append(r'D:\PYCHARMprojects\YOLOX-main')

• 运行结果：

• 经典狗子图：