记录我配置YOLOX训练自己数据集的经历，已完成

布满荆棘的人生 2022-08-28 15:39 131阅读 0赞

本文以在colab上训练为例：

!git clone https://github.com/roboflow-ai/YOLOX.git
    %cd YOLOX
    !pip3 install -U pip && pip3 install -r requirements.txt
    !pip3 install -v -e .  
    !pip uninstall -y torch torchvision torchaudio
    # May need to change in the future if Colab no longer uses CUDA 11.0
    !pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

colab上cuda是11.0，但是环境中配置的是10.2的cuda，为了成功安装apex,运行yolox,必须统一版本。

apex的安装，可参考我 的文章：[安装apex][apex]

数据集的准备和yolov5一样，不赘述，目录这个样子的。

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_16_color_FFFFFF_t_70_g_se_x_16][]

data目录在你的项目目录下（也就是在你下载的YOLOX目录下）

上面数据集的划分：网上一堆代码，split\_train\_val.py文件，在VOC2007目录下运行。

import os
    import random
     
    trainval_percent = 1.0
    train_percent = 0.9
    xmlfilepath = 'Annotations'
    total_xml = os.listdir(xmlfilepath)
    num = len(total_xml)
    list = range(num)
    tv = int(num * trainval_percent)
    tr = int(num * train_percent)
    trainval = random.sample(list, tv)
    train = random.sample(trainval, tr)
     
    # ImageSets目录不存在，就创建
    if not os.path.exists('ImageSets/'):
        os.makedirs('ImageSets/')
    # ImageSets/Main目录不存在，就创建
    if not os.path.exists('ImageSets/Main/'):
        os.makedirs('ImageSets/Main/')
     
    ftrainval = open('ImageSets/Main/trainval.txt', 'w')
    ftest = open('ImageSets/Main/test.txt', 'w')
    ftrain = open('ImageSets/Main/train.txt', 'w')
    fval = open('ImageSets/Main/val.txt', 'w')
     
    for i in list:
        name = '/opt/PycharmProjects/yolov5/face_dataset/images/' + total_xml[i][:-4] + '.jpg' + '\n'
        if i in trainval:
            ftrainval.write(name)
            if i in train:
                ftrain.write(name)
            else:
                fval.write(name)
        else:
            ftest.write(name)
     
    ftrainval.close()
    ftrain.close()
    fval.close()
    ftest.close()

下载YOLOx的权重文件

!wget https://github.com/Megvii-BaseDetection/storage/releases/download/0.0.1/yolox_s.pth

修改配置：修改yolox\_base.py文件

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 4][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 5][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 6][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 7][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 8][]

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 9][]

大概就改这些，具体修改文件截屏都有，不细说了，配置一个环境心累的一批。

运行

!python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 16 --fp16 -o -c yolox_s.pth

**问题点：**

1.  **不要把train.py文件中的--resume文件手动设置为True,第一次训练的时候会报错**

[apex]: https://blog.csdn.net/sunchanglan151/article/details/120252035?spm=1001.2014.3001.5501
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/53ba126ad2144d55ab0f6eaa2d85fcf3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_16_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/00ee7396086d4a618ba0c11a10c17aa4.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/196fe74f9dd447a18fd3885a6fc7e4ee.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/ee52ff495f034f7e9649f8410f239ef6.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/d4b44f9735b241908c2a89b7cc870a3f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/9054b00835de4681b15375e8add4304b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 5]: https://img-blog.csdnimg.cn/20210912164949643.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc3VzdHlsZQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 6]: https://img-blog.csdnimg.cn/2021091216532957.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc3VzdHlsZQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 7]: https://img-blog.csdnimg.cn/20210912165402375.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc3VzdHlsZQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 8]: https://img-blog.csdnimg.cn/20210912165527530.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc3VzdHlsZQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAc3VzdHlsZQ_size_20_color_FFFFFF_t_70_g_se_x_16 9]: https://img-blog.csdnimg.cn/20210912165602879.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc3VzdHlsZQ==,size_20,color_FFFFFF,t_70,g_se,x_16