yolox导出onnx文件

　　　（备注： 在ubutnu 18.04环境下　X86架构）

• 去官方地址下载对应安装包，下载地址如下：Anaconda | Individual Edition
• 安装anaconda:

 bash ~/Downloads/Anaconda3-2021.05-Linux-x86_64.sh

 anaconda会自动将环境变量添加到PATH里面,如果后面你发现输入conda提示没有该命令,那么你需要执行命令 source ~/.bashrc 更新环境变量,就可以正常使用了。如果发现这样还是没用,那么需要添加环境变量。编辑~/.bashrc 文件,在最后面加上

 export PATH=/home/bai/anaconda3/bin:$PATH

  注意:路径应改为自己机器上的路径,保存退出后执行: source ~/.bashrc。

  再次输入 conda list 测试看看,应该没有问题。

• 添加国内镜像源（能科学上网可跳过这一步）: 利用清华大学Anaconda仓库镜像，运行以下命令：

conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

• 先创建一个anaconda虚拟环境，这里使用“yolox”作为环境名称： 

conda create -n mypytorch python=3.8 

• 安装成功后进入“yolox”虚拟环境： 

 conda activate yolox

• 在我们所创建的“yolox”虚拟环境下安装pytorch： 

 conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

（注意：10.2应对应当前cuda的版本号） 

•  克隆YOLOX到home目录下:

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

•  安装YOLOX相关运行环境（进入YOLOX目录后）：

 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

python setup.py develop

•  安装apex

git clone https://github.com/NVIDIA/apex

 cd apex

pip install -v --disable-pip-version-check --no-cache-dir --global-option="--
cpp_ext" --global-option="--cuda_ext" ./

(注意：cuda和cudatoolkit的版本应一致，如使用2021/08/19以后的YOLOX仓库代码,安装apex不再需要安装) 

•  安装pycocotools

 pip install cython

 git clone https://github.com/cocodataset/cocoapi.git

 cd cocoapi/PythonAPI

 python setup.py install --user

• 从github(yolox-ros-deepstream)文档的百度网盘连接中下载预训练权重文件， 并放置在YOLOX/weights文件夹下：

 三个权重文件：yolox_nano.pth   yolox_s.pth  yolox_tiny.pth

        （注意：使用2021/08/19以后的YOLOX仓库代码,权重文件和legacy权重文件不兼容） 

•  测试图片视频：

 python tools/demo.py image -n yolox-s -c weights/yolox_s.pth.tar --path
assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result

                        或 

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

 python tools/demo.py video -n yolox-s -c weights/yolox_s.pth.tar
--path　driving.mp4 --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

（注意：--device cpu和--device gpu可指定所用的设备） 

•  导出yolox_s.onnx文件：

 python tools/export_onnx.py --output-name weights/yolox_s.onnx -n yolox-s -c
weights/yolox_s.pth

•  导出yolox_tiny.onnx文件：

 python tools/export_onnx.py --output-name weights/yolox_tiny.onnx -n yolox-tiny
-c weights/yolox_tiny.pth

•  导出yolox_nano.onnx文件：

 python tools/export_onnx.py --output-name weights/yolox_nano.onnx -n yolox-nano
-c weights/yolox_nano.pth