yolox小计
1.环境配置
1.1 没有什么用的试错
activate D:\conda\envs\pytorch
pip3 install -U pip && pip3 install -r requirements.txt
报错
【解决办法】
python -m ensurepip --default-pip
报错
Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问。:'d:\conda\envs\pytorch\scripts\pip3.exe’Consider using the
--user
option or check the permissions.
【参考博文】YOLOX训练自己的数据集(超详细)
1.2 配置环境
正儿八经的开始了!
然后老老实实使用
1.2.1安装requirements.txt
pip install -r requirements.txt
python setup.py develop
这里要使用python来命令而不是python3,不然会出现以下报错
1.2.2安装 apex
下载安装包
cd到你的安装目录下
(1)如果你的设备是GPU
python setup.py install
这样子大概率就没问题了
(2)但是我的是cpu
需要先设置好环境变量
set TORCH_CUDA_ARCH_LIST="compute capability"
python setup.py install
注意在window中使用的是set,如果使用export就会出现以下报错
安装成功会提示!
1.2.3安装pycocotools
pip install cython
pip install pycocotools
【参考建议】浩哥的YOLOX实战:超详细!手把手教你使用YOLOX进行物体检测(附数据集)因为我之前配过可能有一些包没有写清楚,建议是移步去看这篇
2.代码分析
2.1 训练参数
参数 | 意义 |
---|---|
-expn/ --experiment-name | |
-n | 模型名称 |
-b/–batch-size | batch size |
-d / --devices | 用于训练的设备号 |
-f / --exp_file | 实验描述文件 |
–resume | 是否进行恢复训练 |
-c | checkpoint file |
-e / --start_epoch | 恢复训练开始的epoch |
–num_machines | 训练的节点 |
–machine_rank | 多节点训练的节点等级 |
–fp16 | 是否采用混合精度训练(默认False) |
–cache | 将图像缓存到RAM以快速训练 |
-o/ --occupy | 首先占用GPU内存进行培训(默认是false) |
-l/ --logger | 用于度量的记录器。实现的记录器包括“tensorboard”(默认)和“wandb”。” |
opts | 使用命令行修改配置选项 |
必须要传入的是
(1) -n模型名字 或 -f / --exp_file 实验描述文件