目录

• （一）一些参考链接
• （二）YOLOX训练自己的数据集，修改相应代码
• • 0. 自己的数据集文件夹排布
  • 1. 修改类别标签和数量
  • • 1.1 修改类别标签 yolox/data/datasets/voc_classes.py
    • 1.2 修改类别数量 exps/example/yolox_voc/yolox_voc_s.py
  • 2. 修改训练集信息
  • 3. 修改验证集信息
  • 4. 修改不同的网络结构
  • 5. 修改其他相关
• （三）开始训练
• • 1. 终端命令示例
  • 2. 训练结果位置
  • 3. 用于验证的命令
• （四）跑代码过程中遇到的问题
• • 1. 终端键入训练命令跑不起来 No module named 'yolox'
  • 2. 训练几轮开始进行验证时报下面的错
  • • 2.1 AttributeError: 'NoneType' object has no attribute 'text'
    • 2.2 FileNotFoundError: [Errno 2] No such file or directory: '000001.xml'
  • 3. 修改num_works
  • 4. 验证的时候报错（就是还有个数据集位置没有改到）
  • 5. 运行demo.py想要进行测试时报错

（一）一些参考链接

• 官方源码：https://github.com/Megvii-BaseDetection/YOLOX
• YOLOX训练自己的数据集(超详细)
  • 这个文章应该是直接跟着江大白的文章操作的。江大白的原文链接是：深入浅出Yolox之自有数据集训练超详细教程👈这篇博客的步骤会更加详细一些！
  • 然后博客中一直说的阅读原文就是这个文章，可以在这个文章中去下载需要的资源：Yolov3、v4、v5、Yolox模型权重及网络结构图资源下载
• 目标检测新手如何阅读YOLOX的源代码呢？ - 3D视觉开发者社区的回答 - 知乎

• 点击下载预训练权重yolox_s.pth

（二）YOLOX训练自己的数据集，修改相应代码

就是跟着这个教程一步步改的：江大白-知乎-深入浅出Yolox之自有数据集训练超详细教程，主要从原文中的3.3开始参考！

0. 自己的数据集文件夹排布

前提：自己的数据集文件夹排布是这样的：（可参考江大白知乎文章去划分）

训练准备：开始修改训练配置参数👇

1. 修改类别标签和数量

1.1 修改类别标签 yolox/data/datasets/voc_classes.py

因此前面自有的数据集只有一个类别，head。

将yolox/data/datasets/voc_classes.py中的标签信息，进行修改（我改成了如下4个类别）

注意：每个类别后面都要加逗号，例如“head”后面加了一个逗号“，”。

1.2 修改类别数量 exps/example/yolox_voc/yolox_voc_s.py

1. 修改exps/example/yolox_voc/yolox_voc_s.py中的self.num_classes

2. 修改yolox/exp/yolox_base.py中的self.num_classes

2. 修改训练集信息

1. 修改exps/example/yolox_voc/yolox_voc_s.py中的VOCDetection

2. 修改yolox/data/datasets/voc.py中，VOCDetection类的初始化函数__init__中的读取txt文件部分

        for name in image_sets:rootpath = self.root    # 数据集根目录for line in open(os.path.join(rootpath, 'ImageSets', 'Main', name + '.txt')):self.ids.append((rootpath, line.strip()))

#-----------------------------------附加-------------------------------------------#
用于我自己的数据集的一个附加修改：（同样是在voc.py中做的修改）

因为我的数据集没有很乖的像【0.数据集分布】那样分布，而是images下面分了train、val、test单独的文件夹了

G:.
├─Annotations: 包含了所有的xml文件
├─ImageSets
│  ├─Main: 图像的划分情况 我的划分比例是 -> train: val: test = (9:1):1
├─JPEGImages: 包含了所有图像 我的是png格式
-----------------------------------------------------------------------------------
以上是标准的voc数据集格式，但是yolov5的格式是像下面这样直接分成了train、val、test文件夹
下面是我已经上传到AutoDL中的数据集分布，图像体积可大了，8个G，所以我不可能再重新把它们放到同一个文件夹上传一边，因此就如上图，对voc.py里面指明图像位置的代码进行了修改
-----------------------------------------------------------------------------------
├─A_data_samewithautol911
│  ├─images
│  │  ├─test
│  │  ├─train
│  │  └─val
│  ├─labels
│  │  ├─test
│  │  ├─train
│  │  └─val

#------------------------------------------------------------------------------------#

3. 修改验证集信息

1. 修改exps/example/yolox_voc/yolox_voc_s.py中的get_eval_loader函数

4. 修改不同的网络结构

以Yolox_s网络为例，比如在exps/default/yolox_s.py中，self.depth=0.33, self.width=0.5。和Yolov5中的不同网络调用方式一样。

1. 为了统一不同的网络结构，修改exps/example/yolox_voc/yolox_voc_s.py中的，self.depth和self.width

2. 修改yolox/exp/yolox_base.py中的，self.depth和self.width

5. 修改其他相关

1. 删除year等信息

因为自有数据集中，没有year信息，所以需要删除。

即修改yolox/data/datasets/voc.py中，_get_voc_results_file_template函数

在训练过程中，在原始的head数据集中，会生成一个results的文件夹，保存历史信息。

2. 修改验证epoch的数量

目前代码中是训练迭代10个epoch，再对验证集做１次验证。做以下修改设置为每迭代一个epoch，就使用验证集验证一次。

在yolox/exp/yolox_base.py的class Exp中，按住快捷键Ctrl+F搜索定位到self.print_interval处，做以下两处修改：

3. 修改验证时的相关信息

主要对读取验证信息的相关代码进行调整，代码在yolox/data/datasets/voc.py中_do_python_eval函数中。

① 因为自有数据集没有year信息，所以将其中的rootpath和name：

总共做了以下5处更改，改为相同的即可：

上图中的④作用是：在训练过程中，在原始的head数据集中，会生成一个annotations_cache的文件夹，保存历史信息：

（三）开始训练

1. 终端命令示例

将下载好的yolox_s.pth放到YOLOX文件夹中，打开终端，在终端中输入：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 0 -b 64  -c yolox_s.pth

2. 训练结果位置

训练的结果存放在train.py所在目录下的YOLOX_outputs文件夹中，也就是在G:\pycharmprojects\YOLOX-main\tools\YOLOX_outputs，如下图所示：

注意：这个yolox不想yolov5那样，可以自己新建新的训练结果存放文件夹，所以每次训练的结果都会全部存放在上图的文件夹中。记得及时备份。（不知道在哪里改，害）

3. 用于验证的命令

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

（四）跑代码过程中遇到的问题

1. 终端键入训练命令跑不起来 No module named ‘yolox’

解决方式：直接将YOLOX-main/tools/train.py复制粘贴到根目录下，即YOLOX-main/train.py（这是解决方法之一，但是建议使用下面的方法）

以下两个问题及解决方法参考链接：YOLOX训练自己的数据集

• 问题1：No module named 'yolox'

解决方法：在YOLOX-main/tools/train.py中将路添加进来：

import sys
sys.path.append(r'content/YOLOX-main')

• 问题2：No such file or directory：VOC2012

解决方法：由于本次使用的数据集格式为VOC2007，故在

YOLOX-main/exps/example/yolox_voc/yolox_voc_s.py的46行将image_sets中2012括号里的内容全部删除

2. 训练几轮开始进行验证时报下面的错

2.1 AttributeError: ‘NoneType’ object has no attribute ‘text’

类似找不到'pose'的，还会出现找不到'truncated'、'difficult'，尝试了很多次之后，我自己在YOLOX-main\yolox\evaluators\voc_eval.py文件中进行了如下更改就可以成功运行了：

        obj_struct["pose"] = obj.find("pose").text if obj.find('pose') else 'Unspecified'obj_struct["truncated"] = int(obj.find("truncated").text) if obj.find('truncated') else 0obj_struct["difficult"] = int(obj.find("difficult").text) if obj.find('difficult') else 0

2.2 FileNotFoundError: [Errno 2] No such file or directory: ‘000001.xml’

3. 修改num_works

4. 验证的时候报错（就是还有个数据集位置没有改到）

按照提示，去到指出的错误位置进行更改：

5. 运行demo.py想要进行测试时报错

参考了B导这个的issue及回答，突然醒悟过来，是目标类别不匹配！

因为我使用的是原始yolox.pth，所以对应的应该是voc的原始20种类别，但是我已经改为了自己将要检测的4个类别名，所以就报错咯！（阿这，改了还是报上面的错，不管了！）

啊，我知道了，还有类别数量没有改回20！

类别名和数量的更改，参考(二)1.

有毒，还是不行！