YOLOX系列文章（二）：win10+cpu运行YOLOX

最新推荐文章于 2023-08-19 19:52:13 发布
最新推荐文章于 2023-08-19 19:52:13 发布
阅读量5.2k 收藏 38
点赞数 9
分类专栏： 目标检测 YOLOX系列 文章标签： python 视觉检测 目标检测 计算机视觉
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/qq_42322191/article/details/119008430
版权
本文详细介绍了如何在Win10环境下，不使用GPU来搭建并运行YOLOX目标检测模型。首先，通过下载YOLOX代码并安装必要的Python包，如PyTorch和OpenCV。接着，在Anaconda环境中创建并激活环境，遵循特定命令进行配置。在运行过程中，解决ModuleNotFoundError问题，并调整命令以适应CPU运行。最后，作者分享了运行YOLOX的个人体验和后续尝试使用OpenVINO的想法。
摘要由CSDN通过智能技术生成

win10+cpu运行YOLOX教程

0.本次任务

  1. 搭建YOLOX开发环境(对原始开发环境做稍许删减)
  2. win10+cpu正常运行
  3. 个人总结

1.搭建YOLOX开发环境

下载文件

下载YOLOX的github的代码，或是用git clone命令，或者点击下载，或是转到gitee上再下载，你随意。
在这里插入图片描述

安装win10+cpu版本所需的包

首先在anaconda中将隔离环境搭建好（搭建教程看这里），然后安装如下包：

  • python>=3.6
  • pytorch>=1.3
  • torch torchvision Pillow
  • opencv_python
  • loguru
  • scikit-image
  • tqdm
  • thop
  • tabulate
  • pycocotools
  • matplotlib

小福利（复制粘贴&#x

最低0.47元/天 解锁文章
机器视觉全栈er
关注
专栏目录
YoloV6+TensorRT+ONNX:基于WIN10+TensorRT8+YoloV6+ONNX的部署
qianxun
06-27 1936
上周就听说v6出来了，心想特么的不会和v7一样吧，看了具体是美团推出的，具体大家自己看看吧YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OP
YOLOX目标检测之入门实战-win10+cpu运行YOLOX
热门推荐
10-24 8万+
发布时间：2022-10-20 点击数：38YOLOX 是旷视开源的高性能检测器。旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与 YOLO 进行了巧妙的集成组合，提出了 YOLOX，不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP，而且取得了极具竞争力的推理速度。前言： 不少开发者对 YOLOX 很感兴趣 ， 希望在自己的笔记本安装测试，哪怕速度慢一些， 但笔记本一般都没有配置带CUDA 核心的GPU。
YOLOX在win10+cpu下运行
帕布的博客
05-20 557
1、先装PyCharm和Anaconda，搭建隔离环境 win10+pycharm+anaconda开发环境搭建_机器视觉全栈er的博客-CSDN博客这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自
YOLOX在win10上的部署以及训练自己的数据集
01-23
亲测
YOLOX运行
Sunflower_G的博客
11-16 557
yolox运行实战
YOLOX编译运行
Echoo0的博客
07-27 575
一、编译运行 1. git clonehttps://github.com/Megvii-BaseDetection/YOLOX 2. python setup.py install 然后 按照readme安装必要插件 3. 躺坑记录： no module named yolox->复制demo.py到根目录 ValueError: numpy.ndarray size changed, may indicate binary incompatibility. ->sudo pi...
YOLOX环境搭建与运行效果
YMilton的专栏
08-16 3490
通过git clone git@github.com:Megvii-BaseDetection/YOLOX.git或者下载方式获得旷世在github上共享的工程文件。 1. 虚拟环境创建 通过如下命令在conda下创建用于工程YOLOX的虚拟环境，假设虚拟环境为yolox conda create -n yolox python=3.8 然后通过命令 conda activate yolox 进入yolox虚拟环境，接着下面的安装。 2. pycocotools的安装 在Linux环境下安装
YOLOX运行demo及细节理解
村民的菜篮子
08-10 7568
1、Focus 参考：4、Focus模块-in YOLO - 知乎 (zhihu.com) 代码实现： class Focus(nn.Module): """Focus width and height information into channel space.""" def __init__(self, in_channels, out_channels, ksize=1, stride=1, act="silu"): super().__init__()
YOLOX系列文章（三）：win10+（NCS）+openvino+python运行YOLOX
机器视觉全栈er的博客
07-27 959
YOLOX系列文章（三）：win10+（NCS）+openvino运行YOLOX一级目录 一级目录 激活进入openvino环境，然后进入到下载的YOLOX代码路径中 D:\myProjects\YOLOX\demo\OpenVINO\python 找不到openvino，首先需要运行setupvars.bat ...
win10下安装YOLOX
slq1023的博客
12-26 1247
win10下安装YOLOX搞了我一周时间，都是各种版本不匹配导致的，最后发现下面这个链接里的版本是可用的： Windows10 yolox 安装_꧁༺ʚvv༒catɞ༻꧂的博客-CSDN博客_win10安装yolox Windows：10 Anaconda：2.0.4 Python 3.7.10 nvcc显示的版本是cuda 11.3 nvidia-smi显示的cuda版本是11.5(驱动的cuda版本高于实际cuda版本就行) cudnn: cudnn-11.3-windows-x64.
目标检测YOLO系列-YOLOVX运行步骤（推理、训练全过程）
wangzilong_2019的博客
04-13 1622
这里介绍YOLOX的推理、运行全过程
[目标检测] 二、训练yolox模型
好风凭借力
04-19 6998
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算法调试记录
pengxiang1998的博客
08-19 1235
YOLOX是在YOLOv3基础上改进而来，具有与YOLOv5相媲美的性能，其模型结构如下：由于博主只是要用YOLOX做对比试验，因此并不需要对模型的结构太过了解。先前博主调试过YOLOv5,YOLOv7，YOLOv8,相比而言，YOLOX的环境配置是类似的，但其参数设置太过分散，改动比较麻烦，就比如epoch这些参数竟然要放到yolox_base.py文件中去继承，而不是直接在train.py中指定。话不多说，我们开始调试过程。
YOLOX——Windows 10下环境配置
知来者逆的博客
08-16 4564
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
WIN10配置YOLOX以及训练自己的数据集(yolox训练自己的VOC数据集)
qq_17282293的博客
01-22 5284
yolox配置
手把手教学 | YOLOX的部署、优化及训练的实现全过程
CV_Autobot的博客
11-19 3051
作者|叶润源 编辑|极市平台原文链接：https://www.yuque.com/yerunyuan/ar9831/tsm0id#Kfi4w点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【模型部署】技术交流群后台回复【模型部署工程】获取基于TensorRT的分类、检测任务的部署源码！导读YOLOX将近两年来目标检测领域的各个角度的优秀进展与YO...
[技术杂谈][原创]yolox快速训练助手使用教程
FL1623863129的博客
09-11 1350
这是一个在windows平台操作yolox快速训练助手，可以帮助初学者，刚入门的学者，懒人专用的yolox训练工具，工具需要大家自己提前先把yolox环境安装好，然后使用这个软件训练十分方便。训练基本不需要什么配置傻瓜式操作，只要您的数据集是voc格式就可以使用这个软件训练了 软件使用功能： (1)全面支持yolox所有框架训练，包括nano,yolov3,yolox-s,yolox-m,yolox-l,yolox-x,yolox-tiny （2）支持VOC标注检查功能 （3）支持VOC类别查找删除
yolox报错：ValueError: too many values to unpack (expected 2)
最新发布
08-27
yolox报错"ValueError: too many values to unpack (expected 2)"是因为在代码的某一行中尝试解包的变量数量与预期不符。根据引用的错误信息，可以看出是在调用一个函数时出现的错误。该函数实际返回了三个值，而调用该函数的地方只使用了一个变量去接受返回值，导致变量数量不匹配的错误。 要解决这个问题，你可以通过修改代码来确保接受返回值的变量数量与函数返回的值的数量相匹配。你需要检查调用该函数的地方，并确保有足够的变量去接受返回值。在这种情况下，你可能需要使用一个元组或列表来接受返回的多个值。 例如，你可以将函数返回的多个值存储在一个元组中，然后使用相应数量的变量去解包这个元组。这样，就可以避免"ValueError: too many values to unpack"的错误。 请注意，具体的修改方法可能因你的代码结构和逻辑而有所不同。建议你仔细检查报错的代码行并进行相应的修改。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [关于 Python opencv 使用中的 ValueError: too many values to unpack](https://download.csdn.net/download/weixin_38661650/13995213)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [解决Dataloader报错:ValueError: too many values to unpack (expected 2)](https://blog.csdn.net/hjtsml_future/article/details/121783567)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [python遍历输出字典时报错：ValueError: too many values to unpack (expected 2)](https://blog.csdn.net/m0_46151559/article/details/120662974)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论 37
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

打赏作者

机器视觉全栈er

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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