YOLOX学习

一、环境配置

1、下载源码 GitHub - Megvii-BaseDetection/YOLOX: YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/

2、创建环境

conda create -n yolox python=3.9       

cd YOLOX                                           

conda activate yolox                   

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia     

pip install -r requirements.txt              （把torch、torchvision注释掉，否则会自动安装最新版本，但是不一定满足服务器硬件条件）  

pip3 install -v -e . (注意e和.之间的空格)       

3、下载预训练权重并放在 ./ pre_models/ 下

4、demo测试

python tools/demo.py image -n yolox-s -c pre_models/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

5、基于COCO的训练

ln -s /data3/publicData/COCO/2017/ ./datasets/COCO

python -m yolox.tools.train -n yolox-s -d 4 -b 32 --fp16 -o

四卡耗时约3天

6、对COCO训练结果进行评估

python -m yolox.tools.eval -n yolox-s -c pre_models/yolox_s.pth -b 32 -d 4 --conf 0.001