yolov8

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