YOLOX在启智AI GPU/CPU平台部署笔记

---

1. 概述

本篇主要记录在启智AI平台部署YOLOX，包括遇到的问题、如何训练模型等等，感兴趣的小伙伴请点赞、收藏、转发。

---

2. 部署

如何在启智平台上新建项目这里就不赘述了，请参考平台操作入门文档，因为考虑到效率和资源的问题，博主没有选择实体物理平台，而是选择了免费的云平台，部署的步骤相差不大。
下图是博主在启智平台上的硬件资源：

---

注意，博主选择的镜像版本，即运行环境(cuda 11和pytorch 1.9.0)。
博主在新建项目时，选择了自带模型，但下面的步骤是从拉取YOLOX的仓库开始，一步步记录。

---

2.1 拉取YOLOX源码

启智平台新建好调试任务后，启动调试：

在浏览器的jpylab中打开一个Terminal：

在/code/路径下拉取YOLOX源码：

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

拉下来后，进入YOLOX路径，目录结构如下：

---

2.2 拉取模型文件yolox_s.pth

这里博主把模型文件放在了gitee公共仓库，原始的github仓库访问比较慢。

git clone https://gitee.com/Allen_Qian/yolox_s.git

拉取完成后，将yolox_s.pth文件放在YOLOX文件下。

---

2.3 安装依赖包

pip install -r requirements.txt

---

2.4 安装yolox

python setup.py install

2.5 测试运行

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

运行结果在/YOLOX/YOLOX_outputs/yolox_s/vis_res/路径下：

---

原始输入在/YOLOX/assets/路径下：

---

至此，说明部署OK。

---

2.6 运行报错处理

2.6.1 ImportError: libGL.so.1: cannot open shared object file: No such file or directory

apt-get update
apt-get install libgl1-mesa-glx

---

2.6.2 ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory

apt-get update
apt-get install libglib2.0-dev

---

3. 模型训练

TBD.

---

参考

【1】【YOLOX】训练过程の填坑记录
【2】【超详细】手把手教你使用YOLOX进行物体检测（附数据集）
【3】图解目标检测算法之 YOLO
【4】深入浅出Yolo系列之Yolox核心基础完整讲解