【学习记录】在Ubuntu部署Yolox踩坑

1.我的系统环境是Ubuntu 18.04，python3.7，cuda10.2

 2.为了让我服务器上安装的东西不产生版本冲突，我们使用conda创建一个yolox的环境变量来专门安装yolox需要的依赖。

#创建名为yolox的python版本为3.7的虚拟环境。
conda create -n yolox python=3.7


#通过下面的命令进入创建的虚拟环境。
conda activate yolox

3.然后按照官方(https://github.com/Megvii-BaseDetection/YOLOX)给的给的安装示例，配置必须的包：

git clone [email protected]:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -U pip && pip3 install -r requirements.txt
pip3 install -v -e .  # or  python3 setup.py develop

4. 然后安装pycocotools，我这一步比较顺利，直接通过：

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

5.demo测试。通过测试官方给的例子来看看自己的环境配置是否成功了。

首先我们从官网上下载人家提供好的权重。我只下载了其中我标红框的权重，如下图所示：

 我给下载后的权重直接放在YOLO-main的目录下。如下图所示：其中YOLOX_outputs是测试后的结果路径。

 然后运行下面官网给的测试demo。结果如下图所示：

#这是官网给的示例，我们需要修改一下其中的一些参数路径。
python 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]


#我们自己运行的示例。
python tools/demo.py image -n yolox-s -c ./yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

 

其中：

• image是推理模式，如果是输入视频则为video
• -n 是模型的名字
• -c 为权重文件地址
• –path是测试的图片路径
• –conf 置信度阈值
• –nms nms的iou阈值
• –tsize 测试图片大小
• –save_result 是否保存推理结果

这步之后环境基本上没问题了，接下来准备数据开始训练吧。

6.数据准备和配置修改。

官方给的配置方法(https://github.com/Megvii-BaseDetection/YOLOX/blob/main/docs/train_custom_data.md)

程序中提供了voc和coco两种格式的数据训练，我这里用的是voc格式训练，voc格式的文件结构如下：

├── datasets #手动创建VOCdevkit、VOC2007、Annotations、JPEGImages、ImageSets、Main这些文件夹
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   │   ├── Annotations #把val.txt、train.txt对应的xml文件放在这
│   │   │   ├── JPEGImages #把val.txt、train.txt对应的图片放在这
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── val.txt 
│   │   │   │   │   ├── train.txt

 通常标注完后只有这两个文件夹(Annotations和JPEGImages)，所以新建一个ImageSets文件，并在其子目录再新建一个Main文件，然后运行如下代码，划分数据集，得到val.txt和train.txt文件。注意：我们这里写好的get_train_val.py脚本要和Annotations，JPEGImages，ImageSets在同一目录下，如下图所示：

 

# 对数据集进行拆分，分为train.txt和val.txt
import os
import random

images_path = "JPEGImages/"
xmls_path = "Annotations/"
train_val_txt_path = "ImageSets/Main/"
val_percent = 0.1

images_list = os.listdir(images_path)
random.shuffle(images_list)

#　划分训练集和验证集的数量
train_images_count = int((1-val_percent)*len(images_list))
val_images_count = int(val_percent*len(images_list))

#　生成训练集的train.txt文件
train_txt = open(os.path.join(train_val_txt_path,"train.txt"),"w")
train_count = 0
for i in range(train_images_count):
    text = images_list[i].split(".jpg")[0] + "\n"
    train_txt.write(text)
    train_count+=1
    print("train_count: " + str(train_count))
train_txt.close()

#　生成验证集的val.txt文件
val_txt = open(os.path.join(train_val_txt_path,"val.txt"),"w")
val_count = 0
for i in range(val_images_count):
    text = images_list[train_images_count + i].split(".jpg")[0] + "\n"
    val_txt.write(text)
    val_count+=1
    print("val_count: " + str(val_count))
val_txt.close()

要严格按照这个格式制作数据集，因为程序中是按照这个结构读取，然后把exps/example/yolox_voc/yolox_voc_s.py文件复制一份到YOLOX-main目录下，防止我们直接在源文件上修改会报错​。然后我们需要修改yolox_voc_s.py下面这些地方。

#1.在文件的第14行，我们需要给类别改成我们自己数据集合的类别。我的数据集合泪类别是4类，所以我改c成4
11 class Exp(MyExp):
12     def __init__(self):
​13         super(Exp, self).__init__()
14         self.num_classes = 4
15         self.depth = 0.33
16         self.width = 0.50
17         self.warmup_epochs = 1
​
#2.我们需要修改45行，把数据路径改为我们自己数据集的绝对路径，修改47行的image_sets如下所示。
43         with wait_for_the_master(local_rank):
44             dataset = VOCDetection(
45                 data_dir='/home/jsj/yolox/YOLOX-main/datasets/VOCdevkit',
46                 #data_dir=os.path.join(get_yolox_datadir(), "VOCdevkit"),
47                 image_sets=[('2007', 'train')],
48                 img_size=self.input_size,
​
#3.我们需要修改105行，把数据路径改为我们自己数据集的绝对路径，修改107行的image_sets如下所示。
104         valdataset = VOCDetection(
105             data_dir='/home/jsj/yolox/YOLOX-main/datasets/VOCdevkit',
106             #data_dir=os.path.join(get_yolox_datadir(), "VOCdevkit"),
107             image_sets=[('2007', 'val')],
108             img_size=self.test_size

然后修改yolox/data/datasets/voc_classes.py，这里加上自己的类别，删除掉(或者注释掉)原始类别：

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# Copyright (c) Megvii, Inc. and its affiliates.

# VOC_CLASSES = ( '__background__', # always index 0
VOC_CLASSES = (
    "f1_c",
    "f2_o",
    "b3_c",
    "b4_o",
)

然后按照如下修改yolox/data/datasets/voc.py

​#注释掉316行，重新改为314和315行。
311     def _do_python_eval(self, output_dir="output", iou=0.5):
312         rootpath = os.path.join(self.root, "VOC" + self._year)
313         name = self.image_set[0][1]
314         annopath = os.path.join(rootpath, "Annotations")
315         annopath = annopath + "/{:s}.xml"
316         #annopath = os.path.join(rootpath, "Annotations", "{:s}.xml")
317         imagesetfile = os.path.join(rootpath, "ImageSets", "Main", name + ".txt")

最好修改yolox/exp/yolox_base.py，训练中一些超参数也在这个文件中修改​。

class Exp(BaseExp):
    def __init__(self):
        super().__init__()
​
        # ---------------- model config ---------------- #
        self.num_classes = 4 #我们需要给类别修改成我们自己的类别。
        self.depth = 0.33
        self.width = 0.50
​
        # ---------------- dataloader config ---------------- #
        # set worker to 4 for shorter dataloader init time
        self.data_num_workers = 4
        self.input_size = (1920, 1088)  # (height, width)我们需要给出我们原始图片的像素信息。
        # Actual multiscale ranges: [640-5*32, 640+5*32].
        # To disable multiscale training, set the
        # self.multiscale_range to 0.
        self.multiscale_range = 5
        # You can uncomment this line to specify a multiscale range
        self.random_size = (14, 26)
        self.data_dir = None
        self.train_ann = "instances_train2017.json"
        self.val_ann = "instances_val2017.json"
​
        # --------------- transform config ----------------- #
        self.mosaic_prob = 1.0
        self.mixup_prob = 1.0
        self.hsv_prob = 1.0
        self.flip_prob = 0.5
        self.degrees = 10.0
        self.translate = 0.1
        self.mosaic_scale = (0.1, 2)
        self.mixup_scale = (0.5, 1.5)
        self.shear = 2.0
        self.perspective = 0.0
        self.enable_mixup = True
​
        # --------------  training config --------------------- #
        self.warmup_epochs = 5
        self.max_epoch = 300
        self.warmup_lr = 0
        self.basic_lr_per_img = 0.01 / 64.0
        self.scheduler = "yoloxwarmcos"
        self.no_aug_epochs = 15
        self.min_lr_ratio = 0.05
        self.ema = True
​
        self.weight_decay = 5e-4
        self.momentum = 0.9
        self.print_interval = 20
        self.eval_interval = 20
        self.exp_name = os.path.split(os.path.realpath(__file__))[1].split(".")[0]
​
        # -----------------  testing config ------------------ #
        self.test_size = (1920, 1088) #验证集的图片测试像素也要改成我们图片自己的像素。
        self.test_conf = 0.01
        self.nmsthre = 0.65

然后我们可以开始训练了，训练提交代码如下：

#因为我是在服务器上跑的所以我直接nohup提交到后台开始运行。
nohup python tools/train.py -f ./yolox_voc_s.py -d 4 -b 32 --fp16 -c yolox_s.pth --cache >>log.log &

• -d 使用多少张显卡训练
• -b 批次大小
• –fp16 是否开启半精度训练
• -f 为训练约束文件的路程
• -c 为预训练集权重文件路径
• --cache 利用RAM加速训练，请确保电脑内存足够，可以不写该指令

训练结果存放在YOLOX_outputs文件夹中，训练结束后会生成best_ckpt.pth.tar，一般取这个为最终的权重文件 。训练过程如下：

 

本博主新开公众号，希望大家扫码关注支持一下。