旷视开源的YOLOX其性能超越 YOLOv3、YOLOv4 和 YOLOv5，应不少小伙伴的要求，我在这里用手把手教学的方式展示一下YOLOX的搭建（上篇），下一篇将着重介绍YOLOX如何进行模型的训练。进阶篇介绍YOLOX的原理，代码讲解及如何将YOLOX移值到手机上。同时在B站我将为小伙伴们提供教学视频。
一、环境搭建
1、Nvidia显卡驱动安装
打开cmd，执行nvidia-smi，
如果有如上图的显示，则说明你的显卡驱动安装是没有问题的，可以继续安装CUDA。如果没有显示或报错，则说明nvidia显卡驱动没有正确安装，则需要安装驱动，首先确定显卡的型号，打开设备管理器，找到“显示适配器”，如下图，在那里你能看到自己显卡的型号。
驱动下载地址：官方驱动 | NVIDIA
如下图
2、下载CUDA
下载地址：CUDA Toolkit Archive | NVIDIA Developer
根据你执行nvidia-smi显示的，CUDA Version:11.4，你只要下载的版本不超过这个提示版本就行了。
这里我们使用11.1.0的版本
有些推荐使用10.4版本的，其实你要根据你显卡的要求来定，比如我这个RTX3080就必须要有11.0以上版本才可以，所以我使用了11.1.0的版本。这个要根据你的实际情况来定。
安装时提示需要VS2019，这时你需要安装VS2019版本。然后安装好VS2019时你再安装CUDA，注意使用“自定义”安装，把所有的包都安装上去。
3、安装Visual Studio2019
下载地址：下载 Visual Studio Tools - 免费安装 Windows、Mac、Linux
然后拉到最下面，点击较早的下载项：
然后输入你的微软件帐号和密码，进入后下载社区版就可以了。
安装VS2019时请勾选”Python开发”和“C++桌面开发”
曾在刚开始时用最新的VS2022，但是在安装pytorch后运行程序报错。所以又卸载掉VS2022安装了VS2019。
4、下载cuDNN
cuDNN下载地址：NVIDIA cuDNN | NVIDIA Developer
你需要有nvidia的帐号才能下载。
我这里使用cuDNN 8.1.0，下载后解压缩。
然后把，bin、include、lib都由考贝到：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1，把三个文件夹直截复制过去。
安装后测试是否安装成功：
打开cmd执行：
nvcc -V
这说明你安装成功了。
5、安装anaconda
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
下载地址：Anaconda | Individual Edition
6、创建虚拟环境
打开cmd执行
conda creat -n yolox_train python=3.8
安装成功后进入虚拟环境：
Conda activate yolox_train
安装python3.8主要是因为我的显卡驱动及cuda的版本要求python必须在3.7以上，所以选择了3.8版本的。
玩转conda的11大指令请见第三章第一节conda常用指令。
7、安装pytorch
打开PyTorch
选择你要安装的版本，这里我们总结一下，上面我们安装cuda11.1.0，cuDNN8.2.0，我们要找对应的pytorch版本，点击Previous versions of PyTorch，进入后，选择我们要安装的版本，你可以根据你的网络状况选择conda安装或pip安装。这我里用的是pip安装，下载了torch-1.8.1+cu111-cp38-cp38-win_amd64.whl，我先用迅雷下载下来，主要原因是网络速度太慢，往往安装一半就报错了，所以才选用下载工具下载后离线安装，当然如果你的网络状况好的情况下，也可以采用在线安装。然后执行：
pip install torch-1.8.1+cu111-cp38-cp38-win_amd64.whl （注意这是下载后的文件名）
原执行指令为：
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html【注】当然如果你使用tensorflow进行深度学习，在这一步你可以不用安装pytorch，因为我们这节讲的是yolox使用的是pytorch架构，所以这里必须安装pytorch。
二、YOLOX项目安装
1、克隆YOLOX并安装
git clone https://github.com/Megvii-BaseDetection/YOLOX.git
下载后，进入YOLOX目录执行
pip install -r requirements.txt -i
安装YOLOX
python setup.py develop
安装opencv-contrib-pyton
pip install opencv-contrib-python
2、下载模型权重文件
手动下载地址：https://github.com/Megvii-BaseDetection/YOLOX
下载yolox_s.pth，yolox_m.pth，yolox_l.pth，yolox_x.pth, yolox_darknet53.47.3.pth, yolox_nano.pth, yolox_tiny.pth权重文件，并放置在YOLOX/weights文件夹下。
3、安装pycocotools
pip install cython
pip install pycocotools-windows
4、测试YOLOX图片
在项目目录进入cmd后进入我们创建的python环境：
conda activate yolox_train
然后执行：
python tools/demo.py image -n yolox-s -c weights/yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result
结果输出：
YOLOX\YOLOX_outputs\yolox_s\vis_res
以上我们已经完成了YOLOX的搭建。下一节课我们使用YOLOX进行数据训练，课程内容如下：
《手把手教你玩转YOLOX--Windows（下）》
1、安装图像标注软件
2、图像标注
3、整理数据集
4、训练数据
5、测试
三：常用指令
（1）创建python环境
conda create -n [环境名称] python=3.8
（2）显示conda的所有环境
conda env list
（3）进入某python环境
conda activate [环境名]
（4）删除某个python环境
conda remove –name [环境名] --all
（5）列出该环境安装的所有软件包
conda list
(6)查看镜像源
conda config --show-sources
(7)设置conda的镜像源
以设置镜像源为清华大学的镜像源为例
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
(8)恢复conda默认镜像源
conda config --remove-key channels
(9)安装某个软件包
conda install [软件包名]
以安装numpy软件包为例
Conda install numpy
离线安装
Conda install --offline numpy
(10)卸载某个软件包
conda uninstall [软件包名]
以卸载numpy软件为例：
conda uninstall numpy
(11)Conda删除缓存文件
conda clean -p
2、pip的常用指令
(1)安装软件包指令
pip install [软件包名]
pip install -r [文件名]
(2)卸载软件包
pip uninstall [软件包名]
(3)离线安装
pip install [软件包名] -i https://XXXXX.com
3、git下载
下载地址：https://git-scm.com/downloads
直接下载Download for Windows。