YOLOx 训练入门，从darknet到YoloX

原先公司的项目使用darknet进行训练，所有数据使用 Darknet标注工具 标注，生活快乐幸福。这几天yolox刷屏，想着怎么用现有的数据进行训练 ，不想重新标注了呀，还是因为懒。我们搞起来。

下面是我们的代码： https://github.com/RapidAI/YOLO2COCO

将darknet的训练数据转换为coco格式，直接用yolox加载。

## coco 数据集格式快速训练 方法 for YOLOX

1. clone yolox
```
  git clone  https://github.com/Megvii-BaseDetection/YOLOX
  cd YOLOX
 ``` 
2. 安装 必要的库 
  pip install -r requirements.txt
  
3. 安装  YOLOX
```
python setup.py  develop
```
  
4. 安装apex

注意，需要保证机器上安装的cuda版本和pytorch编译时的一致
```
git clone https://github.com/NVIDIA/apex

cd apex

pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./
```

## 数据准备

将coco 目录link到YOLOX/dataset/COCO 

例如：  ln -s /path/to/COCO  /path/to/YOLOX/dataset/COCO
## 命令行

```
python tools/train.py -n yolox-s -d 1 -b 8 --fp16 -o yolox-m  yolox-l yolox-x  yolox_s
```
d 1表示一块显卡， -b 8 表示批大小，如果多块卡，这儿的8要换成  显卡数＊８
 

版权声明：本文为CSDN博主「znsoft」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/znsoft/article/details/119059967