这是一个用于Windows训练YOLOX的项目，相比于官方项目，做了一些适配和修改：
1、解决了Windows下import yolox失败，No such file or directory: 'xxx.xml'等路径问题
2、CUDA out of memory等显存不够问题
3、增加eval.txt，可以输出IoU=0.5-0.95的AP值，以及Map50和Map50:95
| Model | size | mAPval 0.5:0.95 |
mAPtest 0.5:0.95 |
Speed V100 (ms) |
Params (M) |
FLOPs (G) |
weights |
|---|---|---|---|---|---|---|---|
| YOLOX-s | 640 | 40.5 | 40.5 | 9.8 | 9.0 | 26.8 | github |
| YOLOX-m | 640 | 46.9 | 47.2 | 12.3 | 25.3 | 73.8 | github |
| YOLOX-l | 640 | 49.7 | 50.1 | 14.5 | 54.2 | 155.6 | github |
| YOLOX-x | 640 | 51.1 | 51.5 | 17.3 | 99.1 | 281.9 | github |
| YOLOX-Darknet53 | 640 | 47.7 | 48.0 | 11.1 | 63.7 | 185.3 | github |
以VOC数据集为例，数据目录如下图所示，datasets/VOCdevkit/VOC2021/(不建议修改年份，如需要修改，则对应修改yolox_voc_s.py中的年份)，该文件夹下有三个文件夹，分别为Annotations、JPEGImages、ImageSets，特别注意ImageSets文件夹下须新建Main文件夹，运行dataset_cls.py（注意切换到datasets路径下，可以修改训练集和测试集比例）会自动生成训练文件trainval.txt和test.txt
修改exps/example/yolox_voc/yolox_voc_s.py文件 self.num_classes和其他配置变量（自选）
class Exp(MyExp):
def __init__(self):
super(Exp, self).__init__()
self.num_classes = 42 #修改成自己的类别
self.depth = 0.33
self.width = 0.50
self.warmup_epochs = 1此Exp类体继承MyExp类体，且可以对MyExp的变量重写（因此有更高的优先级），对按住ctrl点击MyExp跳转
class Exp(BaseExp):
def __init__(self):
super().__init__()
# ---------------- model config ---------------- #
self.num_classes = 80 #因为在yolox_voc_s.py中已经重新赋值，此处不用修改
self.depth = 1.00
self.width = 1.00
self.act = 'silu'
# ---------------- dataloader config ---------------- #
# set worker to 4 for shorter dataloader init time
self.data_num_workers = 4
self.input_size = (640, 640) # (height, width)
# Actual multiscale ranges: [640-5*32, 640+5*32].
# To disable multiscale training, set the
# self.multiscale_range to 0.
self.multiscale_range = 5 #五种输入大小随机调整
# You can uncomment this line to specify a multiscale range
# self.random_size = (14, 26)
self.data_dir = None
self.train_ann = "instances_train2017.json"
self.val_ann = "instances_val2017.json"
# --------------- transform config ----------------- #
self.mosaic_prob = 1.0 #数据增强概率，可以根据需要调整
self.mixup_prob = 1.0
self.hsv_prob = 1.0
self.flip_prob = 0.5
self.degrees = 10.0
self.translate = 0.1
self.mosaic_scale = (0.1, 2)
self.mixup_scale = (0.5, 1.5)
self.shear = 2.0
self.enable_mixup = True
# -------------- training config --------------------- #
self.warmup_epochs = 5
self.max_epoch = 100 #设置训练轮数
self.warmup_lr = 0
self.basic_lr_per_img = 0.01 / 64.0
self.scheduler = "yoloxwarmcos"
self.no_aug_epochs = 15 #不适用数据增强轮数
self.min_lr_ratio = 0.05
self.ema = True
self.weight_decay = 5e-4
self.momentum = 0.9
self.print_interval = 10 #每隔十步打印输出一次训练信息
self.eval_interval = 1 #每隔1轮保存一次
self.exp_name = os.path.split(os.path.realpath(__file__))[1].split(".")[0]
# ----------------- testing config ------------------ #
self.test_size = (640, 640)
self.test_conf = 0.01
self.nmsthre = 0.65可以对上述类体变量进行调整，其中关键变量有input_size、max_epoch、eval_interval等
输入以下命令开始训练，-c 表示加载预训练权重
python tools/train.py -c /path/to/yolox_s.pth
你也可以对其他参数进行调整，例如：
python tools/train.py -d 1 -b 8 --fp16 -c /path/to/yolox_s.pth
-d 表示用几块显卡，-b 表示设置batch_size，--fp16 表示半精度训练，-c 表示加载预训练权重，如果在显存不足的情况下，谨慎输入 -o 参数，会占用较多显存
如果训练一半终止后，想继续断点训练，可以输入
python tools/train.py --resume
输入以下代码默认对精度最高模型评估，评估后，可以在YOLOX_outputs/yolox_voc_s/eval.txt中看到IoU=0.5-0.95的AP值，文件最后可以看到Map50和Map50:95
python tools/eval.py
如需对设定其他参数，可以输入以下代码，参数意义同训练
python tools/eval.py -n yolox-s -c yolox_s.pth -b 8 -d 1 --conf 0.001
yolox-m
yolox-l
yolox-x