一、Yolox搭建环境,预训练

Yolox环境配置

一、环境配置:

conda新建一个虚拟环境,方便管理。

1、conda环境设置和切换

Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。

conda http error 解决

conda activate 切换环境报错:先激活当前环境,再使用conda activate命令

一、Yolox搭建环境,预训练_第1张图片
这里也可以手动切换解释器,选择想要切换环境路径下面的python.exe文件。
一、Yolox搭建环境,预训练_第2张图片一、Yolox搭建环境,预训练_第3张图片
现在可以在terminal窗口用conda install 在环境中安装需要的模块。

2、安装cuda与torch

CUDA是一个通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

PyTorch是一个开源的Python机器学习库,基于Torch,用于自然语言处理等应用程序。

创建新的conda环境,安装pytorch【bilibili】

pytorch下载地址

二、安装框架

1、下载yolox代码

出现Microsoft Visual C++ 14.0缺失:由于我之前下载了visual studio,打开visual studio installer进行补充下载。
一、Yolox搭建环境,预训练_第4张图片

2、安装apex

下载apex,terminal中进入apex-master文件夹,执行命令:

pip install -r requirements.txt
python setup.py install![请添加图片描述](https://img-blog.csdnimg.cn/44c34e8bddd949c88506cdf773037781.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6aOO5Yet5YCf5Yqb,size_20,color_FFFFFF,t_70,g_se,x_16)

3、常用的库

openCV(cv2):计算机图像处理,机器视觉

thop:统计 PyTorch 模型的 FLOPs 和参数量,使用git库安装最新版:

pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.git

onnx:跨框架的模型中间表达框架,允许在不同框架和工具间交换模型

pycocotools:python api tools of COCO;COCO是一个大型的图像数据集,用于目标检测、分割、人的关键点检测、素材分割和标题生成。这个包提供了Matlab、Python和luaapi,这些api有助于在COCO中加载、解析和可视化注释。

matplotlib:数据可视化

tabulate:对二维数据进行表格输出,可以把列表进行表格格式化,对里面的参数进行调用

tqdm:显示循环的进度条

三、测试

1、下载预训练权重

下载预训练权重yolox_s.pth;下载链接在Yolox官方代码的readme说明中。

可以更改demo中的parser解析器的参数后运行该文件。或者在终端执行命令:

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

一、Yolox搭建环境,预训练_第5张图片训练结果图片生成在一个YOLOX_outputs文件里。

2、参数说明:

参数 说明
-c 权重的路径
-path 测试图片的路径
-conf 置信度阈值
-nms nms的IOU阈值
-tsize 测试图片resize的大小
-save_result 是否保存推理结果
–device 选用gpu或cpu推理
-image 推理模式,如果是输入视频则为video
-f 解释文件

参考:https://cloud.tencent.com/developer/article/1867529

你可能感兴趣的:(笔记,python,目标检测)