yolox训练自己的数据
最近又需要训练图像识别模型，之前体验过yolov5，yolox也出来很久了还没来得及认识，这次就体验下，参考项目地址：https://github.com/Megvii-BaseDetection/YOLOX
文章目录
前言
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
一、环境工作
yolox 是源码是基于pytorch框架的，之前文章已写过配置过程，不赘述，安装下其他依赖环境，进入文件夹，执行以下命令，完善环境。
pip3 install -U pip && pip3 install -r requirements.txt
python3 setup.py develop（or pip3 install -v -e .）
git clone https://github.com/NVIDIA/apex
cd apex
python3 setup.py install
pip3 install cython
pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'
二、数据准备
本次至少体验，所以下载了网上公开数据集，资源已上传，https://download.csdn.net/download/h363924219/85124119
烟火数据集
三、先测试体验yolox
确认环境，安装必要的包。下载yolox源码后，解压后得到YOLOX-main文件夹，内部文件如下：
1.下载Yolox的pth文件
yolox提供多种模型，本次体验yolox_nano,进入链接下载，以上传资源，下载地址yolox_nano。
2.demo测试
代码中有自带的图片，可以进行Demo测试,这里以yolox-nano为例,cpu可以根据需要改。
python3 tools/demo.py image -n yolox-nano -c yolox_nano.pth --path assets/dog.jpg --conf 0.3 --nms 0.5 --tsize 640 --save_result --device [gpu]
四、准备自有数据集
数据集格式：
Yolox的代码中有VOC、和COCO两个数据集加载的格式，这里主要以VOC的格式来建立文件夹和修改代码，本次下载的fire_smoke数据，已划分训练集合测试集，文档结构如下：
下载的VOC格式的分布如上图所示
images：存放数据集图片
annotations文件夹：存放与图片对应的xml文件
根目录文件夹：存放train_list.txt和val_list.txt
五、修改配置文件
1.voc_classes.py
根据自己数据集的类别，修改yolox/data/datasets/voc_classes.py中的标签信息，这里是两类。
2.yolox_voc_s.py
第一处，修改exps/example/yolox_voc/yolox_voc_s.py中的self.num_classes
在这里插入图片描述
第二处，修改exps/example/yolox_voc/yolox_voc_s.py中的VOCDection，根据自己路径修改
第三处，修改exps/example/yolox_voc/yolox_voc_s.py中的get_eval_loader函数
第四处，修改exps/example/yolox_voc/yolox_voc_s.py中的，self.depth和self.width。需要匹配在exps/default/中，找到对应网络的self.depth和self.width的信息，在nano.py中，self.depth=0.33，self.width=0.25。
3.yolox_base.py
第一处，修改yolox/exp/yolox_base.py中的self.num_classes
第二处，修改yolox/exp/yolox_base.py中的，self.depth和self.width
4.voc.py
修改yolox/data/datasets/voc.py中，VOCDection函数中的读取txt文件，根据自己数据集路径修改，改的面目全非。（下次做建议数据集直接按照yolox数据集目录整理，不改来改去了）
修改yolox/data/datasets/voc.py中，_get_voc_results_file_template函数
修改yolox/data/datasets/voc.py中_do_python_eval函数,一共三处需要修改，rootpath,name,cachedir
5.voc_eval.py（针对本次数据集）
修改yolox/evaluators/voc_eval.py，因为fire_smoke数据集里面不仅仅有id,还有其他信息，所以拆分。
五、开始训练
执行代码
python3 tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 0 -b 64 -c yolox_nano.pth
正常情况下可以之前训练，我的显卡显存太小，所以后面指定了 batch_size大小，
–batch-size 10
也可以在tools/train.py中修改输入的默认值
如果训练中断
python3 tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 0 -b 64 -c <last_epoch_ckpt.pth.tar的路径> --resume
训练结束后查看mAP
python tools/eval.py -f exps/example/yolox_voc/yolox_voc_s.py -c <best_ckpt.pth.tar的路径> -d 0 -b 8 --conf 0.001 --fp16 --fuse
五、其他问题
1.如果找不到包，可以在yolox/data/datasets/init.py中添加调用的路径；
2.修改yolox/models/darknet.py，修改115行的self.stem（不修改也可以）；
3.修改training config，在yolox/exp/yolox_base.py的class Exp中。