深入浅出Yolox之自有数据集训练超详细教程 - 知乎 (zhihu.com)
参考博文
pip install -r requirements.txt
pip install setuptools==58.2.0 # 这步非常重要 新版本不再支持easy_install
pip install -v -e . # or "python setup.py develop"
sudo apt-get install libglib2.0-0
yolox部署及报错
tensorboard 可视化
在源代码中,包含着COCOAP50和COCOAP50_95随着epoch的变化,最终的结果存储在保存的模型文件夹下,名字以==events.out.tfevents.==开头,可以使用tensorboard查看,命令如下:
tensorboard --logdir = path
path为events文件所在文件夹
一般会弹出以下命令:I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.4.0a20201102 at http://localhost:6006/ (Press CTRL+C to quit)
在浏览器中输入http://localhost:6006/即可查看。
Jetson nano上使用ncnn部署yolox
# CUDA 11.3 conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
Anaconda常用命令小结 - 知乎
安装的torch版本
(pyy38) dell@node01:~$ python
Python 3.8.13 (default, Mar 28 2022, 11:38:47)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>import torch
>>>print(torch.__version__)
1.11.0+cu113
>>>print(torch.cuda.is_available())
True
>>>print(torch.cuda.get_device_name(0))
NVIDIA GeForce RTX 3090
踩完坑终于跑起来了yolox
首先重新安装了pytorch,创建新环境时指定python版本
conda create py38 python=3.8
2 在pytorch官网上安装系统cuda对应版本的pytorch,
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113
3 安装完成后测试cuda
cuda安装成功后
4 git clone yolox
5 安装依赖
6测试demo
python tools/demo.py image -n yolox-s -c /YOLOX/weights/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu
7 制作自己的数据集
在datasets文件夹下创建VOCdevkit文件夹
VOC 2007
8 在exps/example/yolox_voc/yolox_voc_s.py 文件下修改类别数,及删除VOC2012 在46行
9 运行python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 8 -c weights/yolox_s.pth
怎么把本地文件上传至docker 容器
我要把本地电脑的mysql-connector-java-5.1.46.jar上传到Linux下Docker里面的logstash容器下的/usr/share/logstash/lib目录。
docker cp 本地文件路径 ID全称:容器路径
查找所有容器id
docker ps -a
查找容器长ID
docker inspect -f '{{.ID}}' 容器名(name)
拷贝本地文件到容器
docker cp 本地路径 容器长ID:容器路径
删除torch
pip uninstall torch
pip uninstall torchvision
sudo kill -9 12713
杀死进程
watch -n 10 nvidia-smi