windows10和ubuntu两种环境搭建YOLOX环境配置，并训练VOC数据集

前言：本文使用的代码来自于：https://github.com/Megvii-BaseDetection/YOLOX，确保系统中已经安装好cuda cudnn，未装好的请自行查阅资料进行安装

一、Windows10

1. 安装Anaconda， 流程较为简单，

（1）首次安装的可以参考：https://blog.csdn.net/weixin_42322256/article/details/122737706

（2）配置anaconda国内（清华）镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

（3）添加为pytorch添加清华镜像，加速安装包下载，非必须，或者使用其他方法加速下载

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2. 环境搭建

（1）创建虚拟环境

conda create -n yolox python=3.7
conda activate yolox

（2）安装pytorch，版本建议使用1.7或者1.8版本，太高或太低都有可能出现报错，影响进度

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

（3）在环境中安装yolox：可以使用git clone，也可以手动下载,然后进入解压之后的yolox文件夹中，执行编译安装程序

git clone https://github.com/Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -v -e 或者 python setup.py develop

（4）安装其他必备的第三方包，将yolox文件夹中的requirenments.txt中的torch行删除（因为第（2）步中已经安装了pytorch）

pip install -r requirements.txt

（5）使用demo.py测试环境是否安装好

下载官方提供的已经训练好的模型，速度慢的可以使用迅雷下载：

下载完成后将yolox_s.pth放置于yolox文件夹新建的weights文件夹内

执行如下命令，运行结束后到yolox文件夹下的YOLOX_outputs\yolox_s\vis_res内查看是否有结果输出

python tools/demo.py image -n yolox-s -c ./weigths/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

结果如下：

3. 训练VOC2007

本文以VOC2007举例，如果要使用07+12也可以，如下文所述。

（1）下载VOC2007数据集，第一位训练集和验证集，第二链接为测试集，可以使用迅雷下载。下载完成后解压

http://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
http://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar

（2）将解压后的两个文件夹内的VOCdevkit文件夹合并到一起（复制其中的一个VOCdevkit到另外一个VOCdvkit），然后将合并后的VOCdevkit复制到yolox文件下的datasets文件夹内。

两文件夹合并

（3）修改exps/example/yolox_voc/yolox_voc_s.py代码，删除VOC2012，只保留如图所示2007数据集用于训练。

（4）修改toos/train.py中的配置参数，改为如下所示（可结合自己的实际路径进行修改）

（5）在yolox文件夹的输入框中启动cmd（免去了cmd中找项目路径的麻烦），激活之前创建的虚拟环境

conda activate yolox
python tools/train.py

如开始训练，会显示如下图，

（6）报错解决：

如下执行demo.py验证环境，或者执行train.py进行训练的时候报错没有第三方包，则使用pip迹象逐个安装即可。