查看所有环境 conda info --envs 1 新建虚拟环境 conda create -n myenv python=3.6 1 删除虚拟环境 conda remove -n myenv --all 1 激活虚拟环境 conda activate myenv 1 退出虚拟环境 conda deactivate python train.py -f D:\python\yolo\YOLOX_num_up\YoloX_EasyTrain-main\projects\num\num_exp.py -d 1 -b 4 --fp16 -o -c D:\python\yolo\YOLOX_num_up\YoloX_EasyTrain-main\weight\yolox_nano.pth python train.py -f exps/example/custom/yolox_voc_nano.py.py -d 1 -b 4 --fp16 -o -c yolox_nano.pth python train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 1 --fp16 -o -c yolox_s.pth 模型转换 pth 转onnx python export_onnx.py --output-name ./model_optimizer/best_num1.onnx -f exps/default/yolox_s.py -c best_ckpt.pth python ./model_optimizer/mo.py --input_model ./model_optimizer/best_num1.onnx --input_shape [1,3,640,640] --data_type FP32 python export_onnx.py --output-name ./model_optimizer/result_num_model/best_nun1.onnx -f exps/default/yolox_s.py -c D:\python\yolo\YOLOX_num\small_img_model1\yolox_voc_s\best_ckpt.pth onnx 转 openVION python export_onnx.py --output-name ./model_optimizer/result_num_model/best_nun1.onnx -f exps/default/yolox_s.py -c best_ckpt.pth cd weight python ./model_optimizer/mo.py --input_model ./model_optimizer/result_num_model/best_num1.onnx --input_shape [1,3,640,640] --data_type FP32 1python 文件包路径找不到输入 import sys sys.path.append("folder_containing_my_python_util_script") 2 显卡GPU显示 nvidia-smi -l 10 3进入根目录输入 python setup.py install 4训练时需要配置的地方 exps 下yolox_voc_s下 num_classes设置成自己的分类数 yolox/data/datasets下voc_class.py 替换为自己的label 注意修改yolox/evaluators/voc_eval.py,添加root为annotation的绝对路径。 在yolox/exp/yolox_base.py 54行左右,max_epoch=设置训练次数 eval_interval =测试次数 训练yolox脚本(注意如遇到yolox无法加载,将tools 中的文件放在根目录) 模板:python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 0 -b 2 --fp16 -o -c yolox_s.pth 参数解释: train.py 训练脚本入口函数 -f 数据集载入处理函数 -d gpu -fp16 (混合精度训练) -o 输出路径 -c 模型加载路径 python train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16 -o -c yolox_s.pth 本机可用训练代码(笔记本) python train.py -f exps/example/yolox_voc/yolox_voc_s.py -b 1 -c yolox_nano.pth python train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 16 --fp16 -o -c yolox_x.pth 本机可用训练代码(笔记本) python train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b16 --fp16 -o -c yolox_s.pth 测试代码pth(测试时要更改exps 下yolox_voc_s下 num_classes设置成自己的分类数,否则包torch【】不匹配) 箱签 python demo.py image -f exps/default/yolox_s.py -c ./best_label.pth --path assets/label3.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device cpu python demo.py image -f exps/default/yolox_s.py -c ./best_ckpt.pth --path assets/num.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device cpu 模板 python demo.py video-f exps/default/yolox_s.py -c ./best_label.pth --path assets/label3.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device cpu python demo.py video-f exps/default/yolox_s.py -c ./num.pth --path assets/s_num.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device cpu python demo.py image -f exps/default/yolox_s.py -c ./num.pth --path assets/s_num.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device cpu 箱签视频识别 python demo.py video -n yolox-s -c ./best_label.pth --path assets/hsv.mp4 --conf 0.7 --nms 0.65 --tsize 640 --save_result --device [gpu] 测试代码onnx python onnx_inference.py -m best_label..onnx -i assets/label3.jpg -o ./ -s 0.3 --input_shape 640,640 # 首先卸载已有的pytorch pip uninstall torch pip uninstall torchvision pip uninstall torchaudio # 安装 pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116 pip install torchvision --extra-index-url https://download.pytorch.org/whl/cu116
yolov8
最新推荐文章于 2024-07-18 18:43:19 发布