YOLOX官方文档
YOLOX开源地址
git clone git@github.com:Megvii-BaseDetection/YOLOX.git问题1：ping不通github
查github的ip地址网址：
https://ipaddress.com/website/github.com#ipinfo
命令行输入：vim /etc/hosts
加入一行 140.82.114.3 github.com (我现在查的是这个)
cd YOLOX
pip3 install -U pip && pip3 install -r requirements.txt
问题2：ERROR: pip下载超时换源（我用的清华源）
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣 http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学 http://pypi.hustunique.com/
山东理工大学 http://pypi.sdutlinux.org/
pip3 install -U pip && pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install -v -e . # or python3 setup.py develop
问题3：error: can’t create or remove files in install directory（权限不够）sudo python3 setup.py developStep2. Install pycocotools.
pip3 install cython pip3 install pycocotools
官网的这一步的代码，我一直报错，用这个不报错
2.Demo Step1. Download a pretrained model from the benchmark table.
下载一个预训练模型
python tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
把/path/to/your/yolox_s.pth更换成你下载模型时存放的地址
我的是python tools/demo.py image -n yolox-s -c weights/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
可以看见，最后一行的输出就是检测结果保存的位置，到达那个路径下就能看到检测的图片
也可以换的自己照片检测，比如
把这张图片放在assets文件夹里，然后执行
python tools/demo.py image -n yolox-s -c weights/yolox_s.pth --path assets/chicken.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
就能得到检测后图像
ncnn开源地址
ncnn官方教程
参考大佬的做法
git clone https://github.com/Tencent/ncnn.git cd ncnn sudo apt install build-essential git cmake libprotobuf-dev protobuf-compiler libvulkan-dev vulkan-utils libopencv-dev mkdir -p build cd build cmake .. make cd ../examples ../build/examples/squeezenet ../images/256-ncnn.png问题1 段错误 (核心已转储)
可能是数组/堆栈越界之类的，不知道具体原因，也不知道怎么就好使了，我进行了以下操作：
git submodule update --init
继续测试验证
cd ../examples ../build/examples/squeezenet ../images/256-ncnn.png
cd ../benchmark ../build/benchmark/benchncnn 10 $(nproc) 0 0Step2 Use provided tools to generate onnx file. For example, if you want to generate onnx file of yolox-s, please run the following command
cd < path of yolox>
python3 tools/export_onnx.py -n yolox-s
cd YOLOX
python3 tools/export_onnx.py -n yolox-s
问题2 An error has been caught in function ‘’, process ‘MainProcess’ (19995), thread ‘MainThread’python3 tools/export_onnx.py -n yolox-s -c weights/yolox_s.pth ~~官方代码后面没有加训练权重路径，加上后就不报错了，正确生成了onnx文件~~Step3 Generate ncnn param and bin file.
cd < path of ncnn>
cd build/tools/ncnn
./onnx2ncnn yolox.onnx model.param model.bin
注意：
1.把刚刚生成的YOLOX路径下的yolox.onnx复制到ncnn/build/tools/onnx路径下
2.看看自己的文件路径，教程是ncnn，我的是onnx
cd ncnn/build/tools/onnx ./onnx2ncnn yolox.onnx yolox.param yolox.binStep4 Open model.param, and modify it.
修正yolox.param文件。
在刚刚复制yolox.onnx的路径下，找到并打开yolox.param，进行以下修改：
1.把第二行的第一个数字减去9
(since we will remove 10 layers and add 1 layers, total layers number should minus 9).
因为我们将去除十层并添加一层，所以总层数减去9
235 -> 226
2.删除10层，替换为focus层
Step5 Use ncnn_optimize to generate new param and binremove 10 lines of code from Split to Concat, but remember the last but 2nd number: 683.
删除从 Split 到 Concat 的十行代码，并且记住倒数第二个数字
Add YoloV5Focus layer After Input (using previous number 683)
添加focus层并且用到先前记住的数字
YoloV5Focus focus 1 1 images 502
cd ncnn/build/tools/onnx ../ncnnoptimize yolox.param yolox.bin yolox-opt.param yolox-opt.bin 65536Step6 Copy or Move yolox.cpp file into ncnn/examples, modify the CMakeList.txt, then build yolox
在 YOLOX/demo/ncnn/cpp/yolox.cpp 路径下找到yolox.cpp，复制到 ncnn/examples/
（最新的nccn已经自带yolox.cpp文件，不需要复制了> ^ <）
cd ncnn/examples/ vim yolox.cpp
第264和265行，修改模型路径
yolox-opt.param和yolox-opt.bin
重新编译nccn
# 删除之前的build目录，重建 # 注意保存在/ncnn/build/tools/onnx路径下的`yolox-opt.param`和`yolox-opt.bin`文件，随便存在哪儿，等会还要用到 rm -rf build mkdir build cd build cmake .. makeStep7 Inference image with executable file yolox, enjoy the detect result:
./yolox demo.jpg
cd ./examples # 在这个路径下会有一个可执行yolox文件 # 放一个demo图片，记住路径 # 复制模型在正确路径（把刚刚保存的`yolox-opt.param`和`yolox-opt.bin`文件放在这个路径下） ./yolox ../assets/dog.jpg问题3：段错误
如果路径找不到，会报错：
fopen yolox-opt.param failed fopen yolox-opt.bin failed find_blob_index_by_name images failed Try find_blob_index_by_name output failed Try 段错误 (核心已转储)
把之前生成的opt两个文件复制到当前路径下，还是报错
find_blob_index_by_name input failed 段错误 (核心已转储)
准备阅读yolox.cpp的源码，今日工作告一段落 2022.06.22
2022.06.23找到错误原因了！！！
问题出在step4，因为我的param文件里concat层没有单纯的数字，因此focus层最后一个数字是错的，把应该出现数字的那一行写成input就可以了！多亏了ncnn群里的大佬！（致谢致谢）这个群
如图修改后，回到step5，就不会报段错误啦！成功跑通demo！
（没读源码…）
使用netron{
访问netron.app
netron开源地址：https://github.com/lutzroeder/netron#install
安装成功后，直接在命令行输入netron，然后稍等片刻，就会弹出这个软件啦
}
查看自己修改后的param文件，能看出有没有改对
从图上容易看出，output参数改为input的时候，才能连在一起，虽然不知道为啥，但是想必连在一起才是对的吧。至此，困扰我几个小时的难题终于解决啦！
其实可以用netron看看最初的param文件，得出concat的output参数就是input！以后碰到类似问题也可以这么查一下。
