目标检测之YOLOX--Windows系统下的环境配置

YOLOX之Windows环境配置

Windows下的安装配置步骤

  1. 从github上clone yolox项目到本地磁盘

  2. 创建新的环境或者使用之前已经创建完成的环境,查看requirements.txt文件中所要求的依赖库是否都已安装。

    我这里是在conda环境下,使用的之前在用的环境,所以大部分的依赖库都已安装完成

  3. 在YOLOX根目录下打开新的终端,conda切换到刚才创建的环境下,执行以下命令:

    python setup.py develop
    

    如果成功,显示如下:

    在这里插入图片描述

  4. 安装 pycocotools

    根据 安装pycocotools 安装,

    a) git clone [https://github.com/cocodataset/cocoapi.git](https://github.com/cocodataset/cocoapi.git)

    b) 进入到PythonAPI文件夹中,执行 python setup.py build_ext install ,出现了如下报错:

    cl: 命令行 error D8021 :无效的数值参数“/Wno-cpp”

    根据 链接【上述问题解决方案】 修改 setup.py文件如下:
    在这里插入图片描述

    执行 python [setup.py](http://setup.py) build_ext --inplace ,

    执行 python [setup.py](http://setup.py/) build_ext install ,安装完成

在这里插入图片描述

  1. 安装 apex

    按照以下步骤安装即可,没有遇到问题:

    git clone https://github.com/NVIDIA/apex
    cd apex
    python setup.py install
    
  2. 测试

    从github主页的benchmark中下载模型,将模型放在 YOLOX的根目录下,执行如下命令:

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

在这里插入图片描述

上图时yoloxl的执行结果,当使用yolox_s时,结果挺差,就不上图了。

关于导包错误:No module named xxx

在windows下的VScode下,尝试运行train.py,但是显示报错No module named yolox

Untitled

这里的解决方法是在train.py中,添加sys路径,写在代码上面:

import sys
sys.path.append("../")

错误出现分析

当前出现导包的错误,主要有两点:

  1. yolox包与yolox.py 文件同名,导包错误
  2. 路径的错误问题,大体就是包内文件相互导入时的问题

这里包的导入相关理解不是特别深刻。请多批评指正。
环境:win10 + conda+ torch1.7 + vscode

出现问题的位置主要在yolox.models下的文件导包位置,这里对出现上述问题以及解决方法做下记录

首次出现的问题是:

yolox.py 文件中不能导入同级文件

在这里插入图片描述
在这里插入图片描述

解决的方法:

yolo_head.py文件 中,其它同级目录文件中也可以借鉴, 有 from yolox.utils import xxx ,这里,将添加 utils 包的路径到 sys.path ,然后直接导包 utils ,原因大概是 yolox包与 同级目录下的 [yolox.py](http://yolox.py) 文件同名,导致的导包错误。

Untitled

如果有类似下面的错误,

Traceback (most recent call last):
  File "e:/Code/Git/yolox2/YOLOX/yolox/models/yolox.py", line 14, in <module>
    from yolo_pafpn import YOLOPAFPN
  File "e:\Code\Git\yolox2\YOLOX\yolox\models\yolo_pafpn.py", line 9, in <module>
    from .network_blocks import BaseConv, CSPLayer, DWConv
ImportError: attempted relative import with no known parent package

可以尝试将包名钱面的 . 去掉

如果仍然出现找不到包的问题,添加上一层,也就是文件所在的包

实际使用中,仍然会出现

ImportError: attempted relative import with no known parent package
  • 这样的报错,在报错的导包语句那里修改,添加该文件的上一层,即包名添加上。如果提示找不到上层包,sys.path添加上层的路径。

  • 非yolox包下的文件,如果出现导包错误的问题,可以添加工程根目录的相对路径

    如:voc.py文件中导入voc_classes时出现错误,我这样导入,就可以了:

    ​ from yolox.data.datasets.datasets_wrapper import Dataset

    ​ from yolox.data.datasets.voc_classes import VOC_CLASSES

注意导包时,如果文件与yolox.py同级目录,那么导入包内的文件要干掉yolox包名

例如:

yolox_head.py 文件中有 from yolox.utils import xxx, 这里通过上一步添加包之后,直接可以从 utils 包中导入,避免出现yolox。

训练自定义数据集

使用自定义数据集,数据集采用的是VOC格式,两个类别。官方教程中是为数据添加软连接。当前环境是Widows,所以需要对代码进行部分修改,避免数据集重复存放。

自定义VOC数据集添加到工程中

通过代码回溯,我们找到获取加载数据集的dataloader是在exp文件中的。而默认是加载coco格式的数据集的。这里通过自定义exp以及修改yolox/data/dataloading.py中的get_yolox_datadir()函数【这里是为了避免再把数据集复制一遍,可以不处理,按照官方教程来】来实现。

  • 自定义expfile,

    根据exps/custom/yolox_voc/yolox_voc_s.py来自定义exp,注意这里修改类别以及网络尺寸。

  • 在train.py中,命令行解析的位置,修改exp_file的默认值为自定义的expfile,或者命令行中指定

  • 在yolox_voc_s.py文件中,数据集文件夹路径是通过 get_yolox_datadir()函数 来获取的。而且后面eval等一些操作也调用了这个函数。所以这里我们对这个函数进行修改,以适应自定义的数据集格式以及路径

    1. 定义一个全局变量,指向VOCViket文件夹的上一层目录。或者这里随便修改,返回值保证为VOCdevkit文件夹的上一层文件夹路径即可

    这个步骤是为了不再复制一遍数据集

  • 注意调整数据集中,VOC2007\ImageSets\Main这个路径下,数据集文件索引的文件名称。与代码中对应。或者修改代码也可以。

  • 修改yolox\data\datasets\voc_classes.py 文件中的VOC_CLASS

    如果你是自定义的数据集,那么在VOC_CLASS中,修改为自定义的类别

  • 修改voc.py中标签读取的代码。

    这个部分是我根据自己的数据集进行的处理,请忽略

    之前制作的VOC数据集,有从其它数据集中直接拿过来使用的数据。自定义的目标类别有两类,但是拿过来的数据集中,关于我自定义的一个类别,它们又分了很多小类别。使用时,我是直接把这些小类别统一弄成了一个大类别,写在了txt文件中。


结束:

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是在 Windows 10 上部署 YOLOX 模型的步骤: 1. 安装 Anaconda 首先,你需要在官网下载并安装 Anaconda,它包含了 Python 和常用的数据科学包。 2. 创建虚拟环境 使用 Anaconda 创建一个新的虚拟环境,以避免与其他 Python 包发生冲突。 ``` conda create -n yolox python=3.8 ``` 这将创建一个名为 `yolox` 的新环境,并使用 Python 3.8 作为默认版本。 3. 激活虚拟环境 激活新创建的虚拟环境。 ``` conda activate yolox ``` 4. 安装 PyTorch 安装 PyTorch,它是一个常用的深度学习框架。 ``` conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia ``` 这将安装 PyTorch、torchvision 和 torchaudio,以及适用于 CUDA 11.1 的 NVIDIA CUDA 工具包。 5. 安装 YOLOX 使用 pip 安装 YOLOX。 ``` pip install yolox ``` 6. 下载预训练权重 从 YOLOX 的官方 GitHub 仓库中下载预训练权重。 ``` wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1/yolox_s.pth ``` 注意:如果你没有安装 wget,可以使用其他下载工具或手动从 GitHub 上下载预训练权重。 7. 运行 YOLOX 现在,你可以使用 YOLOX 进行物体检测了。 ``` python demo/image_demo.py image.jpg yolox_s.pth --conf 0.25 --nms 0.45 --tsize 640 --save_result ``` 这将使用 `yolox_s.pth` 预训练权重对 `image.jpg` 进行物体检测,使用 0.25 的置信度阈值和 0.45 的非极大值抑制阈值,同时图像大小为 640x640,并将结果保存在当前目录中。 以上是在 Windows 10 上部署 YOLOX 模型的基本步骤。你可以根据自己的需求进行更改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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