日志记录YoloX
Source
Edit
History

安装yolox笔记

Catalogue
  1. 1. 一、安装
    1. 1.1. 1. 安装环境
    2. 1.2. 2. YOLOX安装步骤
      1. 1.2.1. 准备阶段
        1. 1.2.1.1. 概括
        2. 1.2.1.2. 详情
        3. 1.2.1.3. 注意
      2. 1.2.2. 安装YOLOX
        1. 1.2.2.1. 安装YOLOX
        2. 1.2.2.2. 安装pycocotools
      3. 1.2.3. 运行demo
        1. 1.2.3.1. 下载模型
        2. 1.2.3.2. 运行demo
    3. 1.3. 3. 可能会遇到的问题
  2. 2. 二、运行时可能会遇到的问题
    1. 2.1. 1. 训练集中的识别类型和模型中设定的类型不符

机械、电控、视觉三位一体，运营护航

一、安装

1. 安装环境

  • 系统：Ubuntu（20.04LTS）

  • 硬件：cpu : i5-11400F

    ​ gpu：RTX3060

  • CUDA 版本：11. 1

  • CUDNN 版本 ：8.2.1

2. YOLOX安装步骤

准备阶段

概括

该阶段主要是配置CUDA和CUDNN

详情

  1. CUDA 安装

    地址： https://developer.nvidia.com/cuda-11.1.0-download-archive

    按照官方教程来就行了

    安装deb 之后，记得添加环境变量

    添加环境变量的教程https://blog.csdn.net/w5688414/article/details/103302319

    安装好之后，可以通过 nvcc -V 查询

  2. CUDNN 安装

地址：https://developer.nvidia.com/rdp/cudnn-archive

CUDNN选择与 CUDA 版本相对应的 CUDNN ，进行下载。安装时注意安装顺序，先安装runtime，再安装developer。sample包随意。

注意
 1. 若是 CUDA 版本安装错误，想要删除 CUDA ，可以进入  /usr/local/cuda-XXX/bin（你错误安装的cuda版本），运行里面的 cuda-uninstaller（命令行运行，及记得加权限）
 2. 若是 CUDNN 版本安装错误，想要删除错误版本的CUDNN，在命令行输入 apt search cudnn ，找到的相应的 CUDNN 版本进行删除即可。删除时，注意删除顺序，先删除没有 dev 后缀的，再删除有 dev 后缀的

安装YOLOX

官方地址：https://github.com/Megvii-BaseDetection/YOLOX

安装的方法就是官方的 README.md 里面的 Quick Start 里面的 Installation里面的步骤

安装YOLOX

安装YOLOX
1
2
3
4
git clone git@github.com:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -U pip && pip3 install -r requirements.txt
pip3 install -v -e .  # or  python3 setup.py develop
安装pycocotools
1
2
3
pip3 install cython; 

pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

运行demo

下载模型
Model size mAPval 0.5:0.95 mAPtest 0.5:0.95 Speed V100 (ms) Params (M) FLOPs (G) weights
YOLOX-s 640 40.5 40.5 9.8 9.0 26.8 github
YOLOX-m 640 46.9 47.2 12.3 25.3 73.8 github
YOLOX-l 640 49.7 50.1 14.5 54.2 155.6 github
YOLOX-x 640 51.1 51.5 17.3 99.1 281.9 github
YOLOX-Darknet53 640 47.7 48.0 11.1 63.7 185.3 github

按照自己所需要的模型，点击weights里面的github链接下载

运行demo
1
python3 tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
  • python3 是程序运行的类别
  • tools/demo.py 是运行的 Python 程序
  • image 是要处理的文件的类型，除了图片，还有视频类型可以选择
  • -n yolox-s 是运行的模型是yolox-s。这个模型可以自己选择改变
  • -c /path/to/your/yolox_s.pth 是运行的模型文件的地址，该地址是在 YOLOX 目录下的相对地址
  • –path assets/dog.jpg 是要处理的文件的地址
  • –save_result 是选择要将处理的文件输出
  • –device 是选择处理的设备。选择 cpu ，就是 –device cpu，gpu与之类似。

3. 可能会遇到的问题

  1. CUDA较新，导致 pytorch 的默认下载版本与该 CUDA 版本不匹配。

    上官方地址 https://pytorch.org/get-started/locally/

    image-20211003155628077

    选择你的配置的环境，选择合适的CUDA 版本的支持，再通过命令行执行 Run the Command 里面的代码。就好了。

二、运行时可能会遇到的问题

1. 训练集中的识别类型和模型中设定的类型不符

问题截图：

image-20211003171601284

问题原因：在训练模型时，模型识别到的训练集中的类型与模型自身设置的类型不匹配，