windows10搭建YOLOx环境训练+测试+评估

文章目录

前言
1、必要环境
2、安装
总结

前言

YOLOX踩坑记录，基于VOC数据集，本文将详细介绍训练+测试+模型评估的过程和个人遇到的所有报错

1、必要环境

Windows10+python3.7+CUDA10.1+CUDNN7.6.5

2、安装

2.1 创建python3.7虚拟环境

conda create -n yolo_x python=3.7
activate yolo_x

2.2 下载pytorch (pytorch版本>=1.7)

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.1 -c pytorch

测试是否安装成功

python
import torch
print(torch.cuda.is_available())

出现如上界面则证明安装成功

2.3 配置YOLOx环境

进入github官网下载源码：

yolox源码地址
安装依赖包：
pip install -r requirements.txt
安装yolox:
python setup.py install
到官网下载apex，解压到项目文件夹内地址：

apex源码
cd到apex文件夹内
cd apex-maste
安装apex
python setup.py install
安装pycocotools
pip install pycocotools
下载预训练模型地址：

模型地址

2.4 测试效果

1 测试图片

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth.tar --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

效果：

在这里插入图片描述

2 测试视频

python tools/demo.py video -f exps/default/yolox_s.py -c ./yolox_s.pth.tar --path ./cut2.mkv --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

效果：

在这里插入图片描述

注意：图片和视频路径要放在当前文件夹下！！！！

3、训练自己的VOC数据集

voc数据集的制作参考我前面的博客地址：

windows10搭建PaddleDetection2.0

1 将VOCdevkit目录拷贝到datasets/VOC目录下：

ln -s D:/data/firesmoke/VOCdevkit/VOC2007/11  ./datasets/VOC

D:/data/firesmoke/VOCdevkit/VOC2007/11是VOCdevkit文件所在的路径

在这里插入图片描述

./datasets/VOC是要复制到的路径

2 修改 yolox/data/dataloading.py 如下：

在YOLO-main路径下执行python setup.py install 更新yolox

3 修改exps/example/yolox_voc/yolox_voc_s.py如下：

在这里插入图片描述

如下修改num_classes改为自己的类别数量

4 修改yolox/data/datasets/voc_classes.py为自己的类别

在这里插入图片描述

执行python setup.py install 更新yolox

5 修改yolox/evaluators/voc_eval.py 如下

在这里插入图片描述

在18行filename前加上Annotations文件夹的路径

执行python setup.py install 更新yolox

6 运行如下代码开始训练

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16 -o -c yolox_s.pth.tar

-d 使用显卡个数
-b 批次大小
–fp16 是否开启半精度训练
-c 加载预训练模型

如果出现CUDA out of memory内存溢出，将–fp16 -o去掉，代码改为如下

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 -c yolox_s.pth.tar

效果如下

在这里插入图片描述

7 继续上一批次恢复训练的话，改成如下形式

在这里插入图片描述

将—resume改为True，-c后面跟接要继续训练的权重文件

代码如下：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth.tar

4、测试

1 测试前修改demo.py如下

在这里插入图片描述

2 修改demo.py 85行左右的cls_name为VOC_CLASSES,还有265行左右的第三个参数

3 测试

python tools/demo.py video -f exps/example/yolox_voc/yolox_voc_s.py -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth.tar --path ./bb2.mp4 --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

测试效果

在这里插入图片描述

5、模型评估:

1 输入如下代码进行模型评估

python tools/eval.py -f exps/example/yolox_voc/yolox_voc_s.py -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth.tar -d 1 -b 4 --conf 0.001 --fp16 --fuse

--fuse 融合Conv层与BN层(减少运算量，加速推理的一个东西)

效果：(只训练了一批次map怪低的)

在这里插入图片描述

6、根据README.md流程走可能会出现的报错

6.1 编码报错 UnicodeDecodeError：gbk xxxxx

解决方案：

在这里插入图片描述

修改50行加上encoding=”utf-8”

6.2 根据readme文档安装apex时报错 Removed build tracker:xxxxxxx

在这里插入图片描述

解决方案：

将以上代码修改成如下，

记得一定要cd到apex-master文件夹内执行

python setup.py install

6.3 doesn’t contains class named ‘Exp’

解决方案：

拿yolox_s举例：

将 -n yolox-s 改为 -f exps/default/yolox_s.py
如果是在pycharm里面运行代码，将相对路径改为绝对路径，如下所示：

6.4 File ended prematurely 文件过早结束

这该死的报错耗了我大半个小时

解决方案：

将

在这里插入图片描述

改为

将–path 视频绝对路径改为相对路径！！！！！！！！！！！

6.5 测试时目标框显示的类别不对

解决方案：

参考 4、测试的1,2步

运行python setup.py install更新yolox

在这里插入图片描述

6.6 测试COCO模型时IndexError: tuple index out of range

解决方案：

在tools\demo.py中把VOC_CLASSES 换回 COCO_CLASSES，修改85，256行左右的代码~

在这里插入图片描述

6.7 加载预训练模型的时候 RuntimeError: Error(s) in loading state_dict for YOLOX

解决方案：

将train文件中44行左右—resume 改成False

6.8 训练了10次进行模型评估的时候报错[Errno 2] No such file or directory: ‘xxx.xml’

解决方案：

在这里插入图片描述

总结

代码跑通了，开心

如有问题，欢迎评论区交流！

在这里插入图片描述

学习交流群：995760755

原文链接：https://blog.csdn.net/Dora_blank/article/details/119087239