安装配置YOLOX —— 并改写训练数据集，设置常用功能

最新推荐文章于 2024-09-25 09:08:59 发布
置顶 最新推荐文章于 2024-09-25 09:08:59 发布
阅读量3.7k 收藏 26
点赞数 5
分类专栏： 深度学习 文章标签： 计算机视觉 神经网络 cnn 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/XC___XC/article/details/122297677
版权

前言

在安装YOLOX的过程中，可能会遇到一些问题，这些问题可能不是特别好找，现在就直接开整吧，记录一下配置YOLOX的全过程。

主要写了一下一些内容：

  1. 配置YOLOX，并自定义数据集进行训练、验证和测试
  2. 给YOLOX增加了P、R、F1指标
  3. 增加了一个训练过程的验证结果的输出，并保存验证的结果为csv表格

这里参考了一些文章： 超详细！手把手教你使用YOLOX进行物体检测（附数据集）

1，配置YOLOX

基本按照官方文档readme.md，但是有一些细节部分没有提到，这里也整体过一遍。

git clone git@github.com:Megvii-BaseDetection/YOLOX.git

选择文件路径，打开命令行，输入以上内容，下载YOLOX。（如果没有Git需要自己安装）

或者直接去Github官网下载YOLOX： https://github.com/Megvii-BaseDetection/YOLOX

cd YOLOX
pip install -r requirements.txt

然后执行

python setup.py install
pip3 install -v -e . # or python3 setup.py develop

两者任意选择一个就行，官方使用第二条，第二条也有两种写法，注意e后边的空格加·

安装apex

git clone https://github.com/NVIDIA/apex

或手动下载apex到本地，我选择下载到YOLOX的目录中：https://github.com/NVIDIA/apex

cd apex
pip install -r requirements.txt
python setup.py install

安装pycocotools

pip install pycocotools

下载与训练权重，放在YOLOX的根目录下：
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

执行以下命令验证：

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

如果报错，没有tools/demo.py文件，则将tools/demo.py文件复制到根目录下，再执行：

python demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

运行成功，看到保存的图片，则基本配置完成。
在这里插入图片描述

2，配置个人数据集

作者这里提供了两种读取数据集的方式：COCO、VOC

我这里先使用VOC格式进行读取。

首先准备好图片和标签数据，放在同一个文件夹中。

使用如下代码生成训练、验证的数据集的文件名集合的txt文件。

import os
import random

random.seed(0)

xmlfilepath = r'D:\DATA\datas\voc\car\Annotations'  # xml文件存放地址,在训练自己数据集的时候，改成自己的数据路径
saveBasePath = r"D:\DATA\datas\voc\car\ImageSets\new"  # 存放test.txt，train.txt，trainval.txt，val.txt文件路径

# ----------------------------------------------------------------------#
#   根据自己的需求更改trainval_percent和train_percent的比例
# ----------------------------------------------------------------------#
trainval_percent = 0.9
train_percent = 1

if not os.path.exists(saveBasePath):
    os.mkdir(saveBasePath)

temp_xml = os.listdir(xmlfilepath)
total_xml = []
for xml in temp_xml:
    if xml.endswith(".xml"):
        total_xml.append(xml)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

print("train and val size", tv)
print("traub suze", tr)
ftrainval = open(os.path.join(saveBasePath, 'trainval.txt'), 'w')
ftest = open(os.path.join(saveBasePath, 'test.txt'), 'w')
ftrain = open(os.path.join(saveBasePath, 'train.txt'), 'w')
fval = open(os.path.join(saveBasePath, 'val.txt'), 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

只需要修改地址、训练集验证集的比例即可，会在相应的保存目录下生成一个文件夹。

然后将所有的文件按照以下方式排列：

|-- VOCdevkit
   |-- VOC2007
       |-- Annotations
           |-- ***.xml
       |-- ImageSets
           |-- Main
               |-- test.txt
               |-- train.txt
               |-- trainval.txt
               |-- val.txt
       |-- JPEGImages
           |-- ***.jpg

然后放在yolox的根目录下的datasets文件夹中。

修改个人数据集配置

在 yolox/exp/yolox_base.py 中，改文件为最基本的YOLOX的相关配置，exps/example/yolox_voc/yolox_voc_s.py 继承了yolox_base.py，所以一般来说，还是修改yolox_voc_s.py

包括__init__中的基础设置，或者重新定义yolox_base的一些属性，比如self.max_epoch=2、self.no_aug_epochs = 1（方便我们调试，测试整个网络的运行是否有问题）：

self.num_classes = 自定义数据集的类别

yolox/data/datasets/voc_classes.py

VOC_CLASSES = (
‘car’,
)

自定义数据集类别名称，别忘记加上逗号

修改读取数据目录：yolox_voc_s.py

45行和104行附近

dataset = VOCDetection(
                data_dir=os.path.join(get_yolox_datadir(), "VOCdevkit"),
                # data_dir='./datasets/VOCdevkit',
                image_sets=[('2007', 'trainval')],
                img_size=self.input_size,
                preproc=TrainTransform(

删去image_sets的 2012 train_val，如果使用第一个data_dir不能获取数据，则手动改成第二种（一般情况下应该没问题，测试过了）

然后修改voc.py文件中的第316行：

annopath = os.path.join(rootpath, “Annotations”, “{}.xml”)

删去"：s"，不然在最终验证的时候可能读不到文件。

到此，基本的配置已经完成。

3，训练

打开train.py，配置训练参数，修改完成后执行：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16 -c yolox_s.pth

还是那个建议，如果运行报错，没有找到train.py，就复制到根目录下执行。

4，验证

同样，打开val.py，修改验证参数，执行：

python tools/val.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16 -c best.pth

5，保存训练过程结果

打算再写一点保存训练过程的数据，另存为csv格式，就等下次再补上吧 [doge]

XC___XC
关注
专栏目录
[目标检测] 二、训练yolox模型
好风凭借力
04-19 7069
训练yolox模型 前篇：配置yolox环境 一、准备工作 1、数据集配置 我用的是voc2007数据集，将标记好的数据转换成voc数据集格式（可存为labelme2voc.py，运行)： import os import numpy as np import codecs import json from glob import glob import cv2 import shutil from sklearn.model_selection import train_test_split # 1.标
YOLOX Win10 安装包
08-16
YOLOX Win 10下安装包里面有下载好的pycocotools、apex和yolox-s的模型。
2024年配置YOLOX运行环境+windows+pycharm24.0.1+GPU
最新发布
m0_53291740的博客
09-25 776
配置文件时，这个命令会按照该配置将项目打包并将其安装到系统的site-packages目录下，使得其他Python程序可以方便地通过。中的指令，并进行相应的操作，如编译C扩展、处理数据包等，然后将生成的wheel或egg文件安装到目标位置。是Python项目中常见的命令，它用于安装包。等待安装剩余的包，如果出现黄色字体的警告(retry啥的)，可尝试把翻墙软件关闭了。2.Anaconda-python版本3.7，yolox版本0.2.0。库创建，用于描述项目的元信息、依赖关系以及如何构建和打包项目。
安装yolox
DAICONG’s Blog
12-05 580
https://github.com/Megvii-BaseDetection/YOLOX https://zhuanlan.zhihu.com/p/392570215 安装cocoapi mkdir cocoapi && cd cocoapi git clone --filter=blob:none -q https://github.com/cocodataset/cocoapi.git . pip3 install cython python3 setup.py install --u
Windows10 yolox 安装
꧁༺ʚvv༒catɞ༻꧂的博客
09-05 3267
yolox 安装 环境 Windows：10 Anaconda：2.0.4 Python 3.7.10 torch：1.7.0 torchvision：0.8.0 YOLOX：0.1.0 yolox官网：https://github.com/Megvii-BaseDetection/YOLOX 使用 conda 创建环境 conda create -n yolox python=3.7 激活环境 conda activate yolox (base) C:\Users\vvcat>conda
YOLOX 训练自己的数据集
Banbakaban的博客
11-01 1525
YOLOX 是旷视提出的一个新的高性能检测器，从论文来看，backbone和neck相比前作变化不大，主要更改在于输入端的数据增强加入了mixup，预测层相比前作改为了解耦的方式。 本文将针对一个Finger识别项目，介绍ubuntu命令行下，yoloX从环境搭建到模型训练的整个过程。 算法原理阅读: GitHUB 论文 CVer 1.环境 训练使用的环境如下： Ubuntu 20.04 python 3.8.8 torch 1.8.2+cu111 torchvision 0.9.2+cu111 NVIDI
YOLOX——Windows 10下环境配置
知来者逆的博客
08-16 4618
前言 1.最近非常火的YOLOX，是旷视提出并开源新一代实时目标检测网络，具体的算法原理和性能可以转到github,想上手试试，是Linux话，可以按照官方文档给步骤一步步执行下去就可以了，如果是Win的话，中间有些不用的步骤。 2.我的环境是win10 x64,CUDA10.2 cudnn 7.1 GPU 是GTX 1660ti,anaconda 3.7. 环境 1.首先我们看看官方的linux下的安装步骤： 2.但在win下照着上面步骤来，有可能安装不成功，我这里在win下是用Anaconda 来完成
python中中将数据集打乱_Pytorch数据集读入——Dataset类,实现数据集打乱Shuffle
weixin_42395426的博客
01-14 3148
在进行相关平台的练习过程中，由于要自己导入数据集，而导入方法在市面上五花八门，各种库都可以应用，在这个过程中我准备尝试torchvision的库dataset torchvision.datasets.ImageFolder 简单应用起来非常简单，用torchvision.datasets.ImageFolder实现图片的导入，在随后训练过程中用Datalodar处理后可按批次取出训练集class...
Yolov5训练自己的数据集
weixin_58630603的博客
07-13 1万+
Yolov5训练自己的数据集
作文教案——改写古诗词.pdf
10-31
作文教案——改写古诗词.pdf
Django 4.x DataBases 数据仓库使用示例和配置方法
热门推荐
Mr数据杨
11-03 3万+
每当创建 Web 项目或任何类型的项目时，都希望最终用户或消费者提供某种输入。所有这些数据/输入都由数据库处理。现今的场景中每当开发网站时都需要一个数据库，无论是博客网站还是基于 Django 的 Instagram 等高度交互的网站。为了实现这一点，需要一些可以有效存储数据的软件以及一些可以与数据库通信的中间件。不想 Django 中使用默认的 SQLite3 数据库的话（反正我觉得非常不好用）可以进行改写，而且在实际生产环境，Django是不可能使用SQLite这种轻量级的基于文件的数据库作为生产数据库
个人银行管理程序——c++ 到 Java程序的改写_3
11-01
本资源对应博客个人银行管理程序——c++到java程序的改写_3,压缩包中包含所有的c++和java源代码，欢迎大家下载查阅使用。
win10安装yolox，训练自定义模型，使用tensorrt部署全流程
盛世芳华
09-01 2548
win10安装yolox，训练自定义模型，使用tensorrt部署全流程
YOLOX安装、测试，自定义coco数据集进行测试
李昂的博客
08-06 4232
官网链接：https://github.com/Megvii-BaseDetection/YOLOX 一、配置环境 本机环境是 Ubuntu 18.04 Cuda 10.2 RTX 2080ti 1、创建虚拟环境 conda create -n yolox python=3.7 2.安装torch conda activate yolox pip install torch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 3、安装YOLOX git clone h
YOLOX安装指南
as1490047935的博客
08-08 1992
最近ubuntu系统跑几下就死机，怕了帕了，后面会把以前安装好的教程都发在csdn上。以免后面系统崩溃后又要重新装过而不知所措。 前段时间yolov5横空出世，然后又多出来了各种比它好的yolo算法。本次安装的是yolox,，听说是旷视研发团队搞出来的。现在我们就来看看具体的安装步骤吧。 安装系统ubuntu18.04 cuda10.1 cudnn7.6.5 安装环境通通在anaconda环境下进行 git clone https://github.com/Megvii-BaseDetection/YOLO
YOLOX安装流程记录-YOLOX修改训练文件
计算机视觉
07-08 1366
yolox
yolox环境配置，小扒菜配了几天才OK,嘤嘤嘤
qq_35821503的博客
10-10 1146
最后执行指令测试：python tools/demo.py image -n yolox-s -c yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.5 --tsize 640 --save_result。出现如下问题：1.下载这个：地址：链接：https://pan.baidu.com/s/1tLTSWaAh79T1Nk9TO6WLOA提取码：ktpy2.默认安装就好3.安装之。出错，用这个方法改下试试：不行！用这个博客的方法解决了，
YOLOX训练代码分析2-trainer.py
YMilton的专栏
10-08 3274
1. yolox网络构建 (1) 网络加载 通过tools/train.py中main函数get_exp构建网络，其中get_exp可以通过名称与文件获取网络模型与参数。 if exp_file is not None: return get_exp_by_file(exp_file) # 通过文件获取模型参数 else: return get_exp_by_name(exp_name) # 通过名称获取模型参数 get_exp_by_name最终是调用get_exp_by_fil
yolox的配置文件在Pycharm 中怎么找到
05-12
要找到 yolox 的配置文件，首先需要知道 yolox 在 Pycharm 中的项目路径。一般来说，yolox 的项目路径应该是在 Pycharm 的项目根目录下的一个子目录，可以在 Pycharm 的项目视图中找到。 一旦找到 yolox 的项目路径，配置文件应该在 yolox/configs 目录下。在 Pycharm 中，你可以使用项目视图来浏览项目目录，然后找到 yolox/configs 目录，里面应该包含 yolox 的配置文件。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值