win10下安装配置yolox

下载源码和模型文件

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

创建一个新环境

conda create -n yolox python==3.7
conda activate yolox

安装依赖

在yolox根目录下执行

pip install -U pip
pip install -r requirements.txt
pip install cython
pip install -U setuptools
python setup.py develop

cuda配置（针对torch-gpu版本，默认cpu版本可跳过）

cuda以及cudnn的正确安装方式如下两篇文章
https://xinhaojin.github.io/2021/05/18/cuda安装/
https://xinhaojin.github.io/2021/05/19/cudnn安装/

然后按照对应的cuda版本选择安装命令

参考https://pytorch.org/get-started/locally/

模型文件

把下载的模型文件放到yolox/yolox/models下

测试

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

图片识别成功

demo.py主要参数

--demo  可以是image,video或者wecam,分别用于处理图片、视频和摄像头的视频
--path  图片或者视频的路径
--camid  摄像头的序号，一个摄像头的话就是0
--save_result  不用额外设置参数，添加这一项可以把识别结果保存
-c  模型文件路径
--device GPU/CPU计算
--nms  相似度门限，高于这个值就框出来
--tsize  图像大小