yolox训练不同数据集注意事项

问题

先后训练两个数据集，都是VOC格式，仅有图片和标签不同，那么怎么对他们进行训练？

答：直觉就是，配置好一次环境，先训练第一个数据集，然后训练第二个数据集的时候，把数据集文件夹内容替换，其余一律不变。

但这样有一个致命错误：AP始终很小，可能是0.00000XXX。

原因

因为两个数据集的标注工作是分别在labelme和labelimg上完成的，还是有一些细微区别，所以首先怀疑数据集本身的问题，于是我做了个迷你版的数据集，只有10张图片，严格按照VOC2007格式要求来做，然后训练。

然后我就发现了问题，出现一个报错，没有截图，大概意思是找不到名为‘00022’的图片。

但是我这次只做了10张图片的数据集，编号1-10，根本没有名为22的图片，这说明，虽然我在用新的数据集，但程序用的还是上一个数据集的某些东西。应该是类似‘缓存’的东西没有清理。

然后我就在各个配置群文件中找，在YOLOX/yolox/evaluators/voc_eval.py中找到这样一段代码：

显然这是一段关于缓存文件夹的东西，’annots.pkl’貌似代表着由标签文件生成的某种东西。

大师，我悟了！只要找到这个缓存文件夹，把它删掉即可！验证正确！

怪不得删缓存之前AP极小但不为0，不为0说明训练的配置是有效的，AP极小就是因为用于比较IOU的标签是原来是原来数据集上的，根本就没法对应新的数据集图片。

再仔细一看缓存文件夹下还有子文件夹，命名为test，猜测是train.py里某个自定义的属性值，但奇怪的是没找到哪里设置了test，可能这是默认的名字，懒得深究了

总结

切换数据集训练前，删除数据及文件夹同目录下的annotations_cache文件夹！

然后python setup.py install一下，这可能是根据配置文件重建一下yolox的什么什么。。？瞎搞一下吧