找到YOLOX-main\yolox\data\datasets\voc.py里面的VOCDetection类的_write_voc_results_file函数的if dets == []改成if 0 in dets.shape就解决这个问题了，再次运行就可以跑通代码了。另外：建议大家在训练报错的时候，先找最后出现的一个错误怎么解决。最开始搜第一个错误的解决方法，试了个遍都没有用。根据下面的教程

最近在做对比实验，要跑好多不同的算法，出现了CUDA out of memory这个问题。从两个方面来看基本就能解决。

最近笔者由于安装paddlepaddle，各种环境版本不匹配的问题把电脑搞崩了，重装系统，重新配置了深度学习环境。在使用PyCharm配置conda虚拟环境的时候发现跟之前不一样了，自己尝试配置不成功，然后百度了一下发现因为我现在下载的Pycharm版本为2024，而在23版本过后环境配置的方法就和以往有一点区别了。

笔者在跑Paddleseg代码的时候出现了这个报错：ImportError: /lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29not found (required by /home/chanya/anaconda3/envs/paddleseg/lib/python3.9/site-packages/scipy/spati

最近在做对比实验，由于是轻量化所以很看重这两个参数，但是发现我不管用哪种网络，FPS都很高（超过100），不知道是不是实验设备太好还是数据集太简单的原因，评价指标最后可能不考虑FPS这个参数了。选择参数量会更加稳妥。

笔者在跑Paddleseg代码的时候出现了这个报错：ImportError: /lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29not found (required by /home/chanya/anaconda3/envs/paddleseg/lib/python3.9/site-packages/scipy/spati

建议开始一个新的项目就创建一个虚拟环境，这样不容易出错。如何看自己是不是使用GPU进行训练？可以使用nvidia-smi命令查看，如果下图这个位置百分比为八九十、一百就说明在使用GPU；使用nvidia-smi -l可以实时更新。

最近在做对比实验，由于是轻量化所以很看重这两个参数，但是发现我不管用哪种网络，FPS都很高（超过100），不知道是不是实验设备太好还是数据集太简单的原因，评价指标最后可能不考虑FPS这个参数了。选择参数量会更加稳妥。