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

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。

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。

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

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