(faster-rcnn)(ssd)(yolox)(mobilenetv2)等环境部署＆训练自己数据集＆评估训练结果教程
由于图床过期，图片无法正常显示，有图阅览请移步以下Gitee/Github网址，文末获取【源码和部署教程】或者通过以下Gitee/Github的文末邮件获取
Gitee(推荐国内访问): https://gitee.com/qunmasj/projects
Github(推荐国外访问): https://github.com/qunshansj?tab=repositories
#2022/8/22最新版教程
#[faster-rcnn]+[ssd]+[yolox]+[retinanet][ssdlite_mobilenetv2]+[yolof]+ N
#环境部署＆训练自己数据集＆评估训练结果教程
#更多算法持续免费更新！手把手教程，包成功！
#欢迎有其他算法需求的小伙伴留言给我们更新的建议！
#支持最新版的Pytorch＆Tensorflow＆CUDA！
B站视频教程链接：
[202208]手把手带你用最新的mmdetectionV2.25.1跑Fasterrcnn＆SSD＆YOLOX等几十种目标检测算法_哔哩哔哩_bilibili
#举例Faster-RCNN 环境部署说明
1) Python与**Anaconda 和**pycharm（社区版免费）
Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言。
（你也可以使用C语言或者Java，这里只介绍Python的安装）
安装Anaconda能使我们配置环境更加方便。
我们可以在这个网址下载Anaconda：https://www.anaconda.com/products/individual#Downloads
一般我们选择64位。安装过程一般为：
【选择‘Just me’】==》【选择安装路径，最好不在C盘】==》【两个选项都打钩】==》【完成】
这时候应该能在【开始】找到【Anaconda3（64-bit）】，至此Anacanda3安装完成。
（你可以在https://blog.csdn.net/didiaopao/article/details/119787139?spm=1001.2014.3001.5501 找到详细的安装说明）
A. Pytorch环境配置
在【开始】菜单中找到【Anaconda3（64-bit）】文件夹，打开Anaconda prompt
执行【conda env list】查看环境
创建新的环境，输入
【conda create -n mmd2 python=3.7】
其中【mmd2】是环境的名字，【python=3.7】是使用的Python版本
执行后会列出该环境要安装的包，输入y执行即可
B. Pycharm配置
Pycharm是一款十分好用的Python IDE，这里介绍Pycharm环境的安装
在官网下载Pycharm，一般下载社区版（社区版够用，专业版要付费）
https://www.jetbrains.com/pycharm/download/#section=windows
安装。注意该软件尽量不要安装在C盘
这里全打钩
选择【later】
打开Pycharm，选择【new project】，注意尽量不在C盘
C. 相关库和Requirements.txt内库的安装
在cmd内（不知道怎么打开cmd百度）输入：
1）activate mmd2
2）pip install torch==1.8.0 torchvision==0.9.0torchaudio==0.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
3）pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cpu/torch1.8.0/index.html
4）pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
5）conda install git
y回车
- cd xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
红色的部分为code文件夹的路径 例如 C:\Users\15690\Desktop\600 (2)\code
如果6）中的路径不是c盘 则输入对应盘加英文反括号 例如 d:
python setup.py install
3.等待全部下载完毕，任何一个文件没安上，百度手动安装
#举例Faster-RCNN 训练自己数据集教程
（注意！查看此教程前请确保虚拟环境部署完毕，验证的方法为运行检测的代码或者UI的代码）
- 进入代码根目录（通常为code文件夹内）如下图：
- 将标注好的数据集保存为以下格式
data —— coco —— annotations —— 训练和验证的 json标注文件
—— train2017 ——训练集的图片（格式建议png/jpg）
—— val2017 ——验证集的图片（格式建议png/jpg）
—— test2017 ——测试集的图片（格式建议png/jpg）
具体如下图放置好
打开Configs文件夹中的faster_rcnn文件夹中的faster_rcnn_r50_fpn_1x_coco.py
打开后如下图：
找到该文件：
修改num_classes为你的数据集的种类数量
- 回到根目录如图：
打开mmdet文件夹，打开datasets文件夹，打开coco.py
修改如下部分：（颜色的数量和种类的数量保持和种类数一致，颜色为（0255,0255,0~255），可以任意设置彼此不相同即可）
- 回到根目录如图：
打开mmdet文件夹，打开core文件夹，打开evaluation文件夹，打开class_names.py
修改如下部分：
种类名保持与第5步的一致，不要用中文
参考博客
7. 回到根目录如图：
打开configs文件夹，打开_base_文件夹，打开datasets文件夹，打开coco_detection.py
修改data_root为第2步你的数据集的路径
例如下图：
- 回到根目录如图：
参考博客
打开configs文件夹，打开_base_文件夹，打开schedules文件夹，打开schedule_1x.py
修改下图max_epochs为你想训练的轮次
- 回到根目录如图：
打开configs文件夹，右键点击train.py，选择打开方式选择pycharm,选择mmd2虚拟环境，修改下图的configs为‘../configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py’
修改模型保存路径为你想要保存训练结果的路径,如下图：
9.鼠标右键run运行训练
#其他经典算法[faster-rcnn]+[ssd]+[yolox]+[retinanet][ssdlite_mobilenetv2]+[yolof]+ N的环境部署＆训练自己数据集＆评估训练结果教程链接下载（持续免费更新中）
持续更新博客《[faster-rcnn][ssd][yolox][mobilenetv2]等环境部署＆训练自己数据集＆评估训练结果教程》