yolo训练gpu内存怎么清理缓存 yolo训练自己的数据

文章目录

• 一、下载YOLOX代码
• 二、配置文件

• 修改数据集参数

• 三、开始训练

• 报错1：no model named 'yolox'
• 报错2：No such file or directory: '/ai/pytorch/YOLOX-main/datasets/VOCdevkit/VOC2012/ImageSets/Main/trainval.txt'

• 四、 使用训练完的模型进行预测

• 报错：no model named 'yolox'

• 五、预测效果：

• yolox-s效果
• yolox-m效果
• yolox-l 效果
• yolox-x效果
• yolov5-x效果

• 六、tensorboard可视化

• 报错：ValueError: Duplicate plugins for name projector

最近想跑一下yolox的代码，但是上网搜了几篇博客后感觉都异常的麻烦，而且跑起来还有各种各样的问题，不如自己写篇总结，把步骤和报错都记录下来。按照我的步骤一步步来，肯定是能跑通的。

一、下载YOLOX代码

https://github.com/Megvii-BaseDetection/YOLOX

二、配置文件

修改数据集参数

首先将自己的数据集放入datasets文件中，注意这里Main下面的文件名，trainval.txt代表训练集，test.txt代表测试集，官方代码中就是这样的，不想改官方代码，这里就跟官方保持一致就行了。

然后修改yolox_voc.py文件（可以使用default中的yolox、yolox_s等，这里默认使用yolox_voc.py做例子）

将num_classes修改为自己数据集的类别总数

之后再修改voc_classes.py文件，修改为自己的类别

三、开始训练

首先自己先创建一个weights文件，存放模型的预训练权重：

yolox_s.pth

在终端输入：

-d 表示使用哪一块GPU，-b 表示bitch_size，-c 表示预训练权重

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 1 -c weights/yolox_s.pth

报错1：no model named ‘yolox’

只需将系统路径添加进去即可（这里添加的是你自己的工作路径，我是在服务器上跑的，根目录就是/ai/pytorch）

报错2：No such file or directory: ‘/ai/pytorch/YOLOX-main/datasets/VOCdevkit/VOC2012/ImageSets/Main/trainval.txt’

这里把这个2012删除即可。

四、 使用训练完的模型进行预测

训练完成后，会生成一个YOLOX-outputs文件夹，里面包含了训练后保存的权重和训练时的信息，由于我是在学校服务器上训练的，选择的是300轮里最好的权重，保存到自己创建的weights文件夹里了。

修改yolox/data/datasets/下的init.py文件，添加：from .voc_classes import VOC_CLASSES，之后在toos/demo.py文件中将COCO_CLASSES全部修改为VOC_CLASSES。

在终端中输入：-c 代表训练好的权重，-path 代表你要预测的图片存放的文件夹，
若想进行视频预测，只需将下面的 image 更换为 video；
若想预测整个文件夹，将class01.jpg去掉，只留 --path assets/ 。

python tools/demo.py image -f exps/example/yolox_voc/yolox_voc_s.py -c weights/best_ckpt.pth --path assets/class01.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

报错：no model named ‘yolox’

还是老问题，需要添加系统路径，我添加的是自己电脑的工作路径：

预测完成后会在YOLOX_outputs下创建存放预测图片的文件夹：

五、预测效果：

yolox-s效果

感觉效果还行吧，毕竟跑的是最小的s，不过网上好多人说实际用起来不如yolov5，等后面跑一下yolox-x和yolox-Darknet53，看看效果怎么样吧。

yolox-m效果

yolox-l 效果

看这效果，貌似不如yolov5，前面的小头直接就检测不出来了，后续跑一下yolox-x，看看效果再做评价吧。

yolox-x效果

跟yolox-l一样，前面的小头没检测出来，但是其他的头概率很高，可能是因为使用了mosaic的原因吧，但总体效果感觉确实没yolov5好，后面再换个小目标数据集试一下。

yolov5-x效果

都是在预训练权重下训练300论的效果，很明显，吹的这么牛的yolox-x实际 用起来还没yolov5-x效果好，yolox-x的FLOPs(G)是281.9， yolov5-xFLOPs(G)217.1，两者差的不多，217.1的FLOPs(G)肯定是可以满足实际需求的，但是两者识别的效果差的太多了，该说不说，人生苦短，我选yolov5-x！(顺便说一下，yolox-x训练完的权重文件大概330mb，yolov5-x的权重文件是166mb)

六、tensorboard可视化

在终端输入：

tensorboard --logdir=YOLOX_outputs/ --bind_all

报错：ValueError: Duplicate plugins for name projector

只需将这个tensorboard-2.8.0.dist.info文件删除就可以了（注意是你当前conda环境下的site-packages，我的环境是pytorch）