深度学习基础篇【1】从0开始搭建YOLOX模型用于训练个人数据集

深度学习基础篇【1】

从0开始搭建YOLOX模型

用于训练个人数据集

YOLOX模型于2021年由开发者Zheng Ge，Songtao Liu，Feng Wang，Zeming Li，Jian Sun在《YOLOX: Exceeding YOLO Series in 2021》首次提出。 YOLOX对YOLO系列的进行一些改进，形成了一种新的高性能探测器。配备了一些新的先进检测技术，即解耦头、无锚点和先进的标签分配策略，YOLOX在速度和精度之间实现了更好的平衡，比所有型号尺寸的其他同类产品都好。值得注意的是，我们将YOLOv3的体系结构提高到了47.3%，超过了目前最佳实践的3.0%。

该模型平台可一键搭建，本文为该模型的完整复现步骤拆分。

- 语言环境：Python3.8

- 编译器：jupyter notebook

- 深度学习环境：PyTorch 1.8

- CUDA版本：11.1.1

- 深度学习平台：极链AI云

- 显卡（GPU）：NVIDIA RTX 2080 Ti

       目录

    01 环境搭建

    02 准备工作

    03 demo测试

    04 训练自己的数据集

    05 模型测试

01 环境搭建

1. 打开极链AI云平台

         https://cloud.videojj.com/?source=100https://cloud.videojj.com/?source=100

2. 点击算力租赁

 3. 选择合适的显卡

         此处我们以NVIDIA RTX 3080为例

4. 深度学习框架搭建

         框架选择PyTorch，版本1.8

         python版本3.8

         cuda版本11.1.1

5. 连接实例

创建完成后，点击jupyterlab连接

6. 打开终端

02 准备工作

1. YOLOX 前期搭建

cd rootgit clone https://github.com/Megvii-BaseDetection/YOLOX.gitcd YOLOXpip3 install -U pip && pip3 install -r requirements.txtpip3 install -v -e .cd ..export CUDA_HOME=/usr/local/cudagit clone https://github.com/NVIDIA/apexcd apexpip3 install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./cd ..pip3 install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"

更多内容请左右滑动

2. 下载预训练权重

下载地址：

https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_m.pth

文件为 yolox_m.pth，下载完成后，上传至root/YOLOX 文件夹中

03 demo测试

1.使用预训练权重进行 demo 测试

python tools/demo.py image -n yolox-m -c /root/YOLOX/yolox_m.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result

更多内容请左右滑动

由于本次实验中下载的是YOLOX-m的预训练权重文件。所以在以上python tools/demo.py语句中：

-n 后为模型名称：yolox-m。

-c后为权重文件路径：/root/ YOLOX/ yolox_m.pth.

–save_result：来保存图片/视频的推断结果

–conf CONF： test conf

–nms NMS： test nms threshold

–tsize TSIZE： test img size

2.查看输出结果

       进入文件夹

 root/YOLOX/YOLOX_outputs/yolox_m/vis_res

查看输出结果

04 训练自己的数据集

1. 加载数据

本次我们使用平台拥有的coco数据集进行测试，该数据集已经划分好训练与测试集。

cd /root/YOLOXln -s /datasets/coco2017 ./datasets/COCO # 将平台数据集软链接至模型文件夹下

更多内容请左右滑动

2.模型训练

进入终端，在root/YOLOX路径下，输入以下命令：

python tools/train.py -n yolox-s -d 1 -b 8 --fp16 -o

训练过程如下

05 模型测试

进入终端，在root/YOLOX路径下，输入以下命令：

python tools/demo.py video -n yolox-s -c /root/YOLOX/yolox_s.pth --path assets/video1.mp4 --conf 0.3 --nms 0.65 --tsize 640 --save_result

更多内容请左右滑动