yolox训练数据的入口为YOLOX-main/tools/train.py。main函数中通过get_exp获取训练过程相关的超参数。

其中train.py中的make_parser函数的参数解析如下：

-expn: 训练过程数据保存的位置，默认位置是tools/YOLOX_outputs中的目录，如果指定-expn xxx，则tools/YOLOX_outputs/xxx

-n: 指定训练过程的模型名称，如yolox-s，yolox-m，yolox-l，yolox-x，yolox-tiny等

-b: 训练过程中的batch size大小

-d: 指定训练过程中使用的设备

-f: 设置训练过程中数据加载的python文件，如exps/example/yolox_voc/yolox_voc_s.py

-c: 设置预训练权重文件

-e: 开始训练的周期数

--fp16: 是否允许Apex的混合精度加速，使得训练时间缩短。代码实现如下：

1. from apex import amp

2. model, optimizer = amp.initialize(model, optimizer, opt_level="O1") # 这里是“欧一”，不是“零一”

3. with amp.scale_loss(loss, optimizer) as scaled_loss:

4. scaled_loss.backward()

混合精度训练（Mixed Precision）的精髓在于“在内存中用 FP16 做储存和乘法从而加速计算，用 FP32 做累加避免舍入误差”。混合精度训练的策略有效地缓解了舍入误差的问题。

-o: 是否首先占用GPU内存进行训练

opts: 通过命令行的形式修改训练过程的超参数

(2) 第二步(数据加载)：训练过程中如果指定为VOC数据，则通过

-f exps/example/yolox_voc/yolox_voc_s.py

完整的训练语句：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 8 -b 64 --fp16 -o -c /path/to/yolox_s.pth