MMDetection是由商汤科技和香港中文大学开源的基于Pytorch的深度学习计算机视觉工具箱，针对目标检测、实例分割、全景分割、模型蒸馏等计算机视觉任务，复现了诸多最新论文成果，尤其是大量CVPR论文。它将数据集构建、模型搭建、训练策略等过程封装成模块，基于Pytorch实现了大量目标检测算法，通过模块调用，能用少量代码实现新算法，大幅提高代码复用率。
整个MMLab家族除了MMDetection，还包含针对目标跟踪任务的MMTracking，针对3D目标检测任务的MMDetection3D等开源项目，他们都是以Pytorch和MMCV以基础。Pytorch不需要过多介绍，MMCV是一个面向计算机视觉的基础库，最主要作用是提供了基于Pytorch的通用训练框架，比如我们常提到的Registry、Runner、Hook等功能都是在MMCV中支持的。另外，MMCV还提供了通用IO接口、多种CNN网络结构、高质量实现的常见CUDA算子，这里就不进一步展开了。
目录
一、安装过程
1.创建conda虚拟环境
2.安装pytorch
3.安装MIM
cv%E5%92%8Cmmengine-toc" name="tableOfContents" style="margin-left:40px">4.安装mmcv和mmengine
5.git克隆源码文件
二、验证
验证安装是否成功
三、解决过程中的报错问题
Failed to connect to github.com port 443 after 21090 ms: Timed out
报错场景
解决方法
cv%3E%3D2.0.0rc4%2C%20%3C2.2.0-toc" name="tableOfContents" style="margin-left:40px">AssertionError: MMCV==1.7.2 is used but incompatible. Please install mmcv>=2.0.0rc4, <2.2.0
报错场景
解决方法
一、安装过程
1.创建conda虚拟环境
（1）首先确保本地已经安装了conda。打开命令行输入下列命令可以检验是否安装及当前conda的版本。
conda -V（2）然后打开pycharm，使用下列命令开始创建一个新的conda虚拟环境，并激活。
anaconda命令创建python版本为x.x，名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
conda create -n your_env_name python=x.x
此处我设置新conda虚拟环境名称是openmmlab，python的版本是3.8。
conda create --name openmmlab python=3.8 -y
conda activate openmmlab过程如下图所示，
安装结果如下图所示，
2.安装pytorch
安装pytorch的时候采用 pip 或者 pip3都可以。
需要注意的是，此处我安装的是cuda11.8，这里的 torch==2.1.0 是因为在下一步要与mmcv保持版本对应一致。
pip3 install torch==2.1.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118过程如下图所示，
3.安装MIM
使用下列命令通过pip安装openmim，
pip install -U openmim过程如下图所示，
安装结果如下图所示，
cv%E5%92%8Cmmengine" name="4.%E5%AE%89%E8%A3%85mmcv%E5%92%8Cmmengine">4.安装mmcv和mmengine
（1）使用下列命令通过mim安装mmcv，
mim install mmcv-full过程如下图所示，
（2）使用下列命令通过mim安装mmengine，
mim install mmengine
（3）使用下列命令通过pip安装mmengine第三方包，
pip install mmengine
过程如下图所示，
（4）之后使用下列命令通过pip安装mmdet第三方包，
使用 mmdet 作为依赖项或第三方包，
pip install mmdet过程如下图所示，
5.git克隆源码文件
首先在某个路径下，通过git克隆下载好mmdetection源码文件，
git clone https://github.com/open-mmlab/mmdetection.git
运行下列命令，进入该路径之后，使用pip安装。
cd D:\my_ruanjian\mmdetection\mmdetection\mmdetection
pip install -v -e .
编译成功后打印下我的pip list，
二、验证
验证安装是否成功
使用pycharm打开项目文件（注意将解释器配置成自己创建的虚拟环境），在image_demo.py中进行验证，
官网给出了验证过程，当然我们也可以在pycharm中进行验证。首先在官网下载需要的模型文件和权重文件。
mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .
在cmd运行上面指令，一般会下载到当前文件夹下。
之后在pycharm的image_demo.py运行前传入这两个文件的地址以及demo图片的地址作为参数传入。
复制三个文件的绝对路径，示例如下：(注意是双斜杠\\)
D:\\my_ruanjian\\mmdetection\\mmdetection\\mmdetection\\demo\\demo.jpg
D:\\my_ruanjian\\mmdetection\\mmdetection\\mmdetection\\rtmdet_tiny_8xb32-300e_coco.py
--weights
D:\\my_ruanjian\\mmdetection\\mmdetection\\mmdetection\\rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth
--show
点击运行代码的按钮，
出现上述图像，说明安装成功了。
最终，打印下我的pip list，如下图所示，
如果遇到报错问题，请看第三小节。
三、解决过程中的报错问题
该小节记录了我在安装过程中遇到的报错问题，以及该问题的解决方法。
Failed to connect to github.com port 443 after 21090 ms: Timed out
报错场景
在使用 Git 进行代码管理的过程中，经常会遇到各种各样的问题，其中之一就是在执行 git clone 或 git pull 等操作时出现 “fatal: unable to access ‘https://github.com/…/.git’: Recv failure Connection was reset” 的报错。这个问题通常是由网络连接问题或代理设置不正确导致的。
解决方法
取消代理设置，这是最常见的解决方法之一。
通过在终端执行以下命令，可以取消 Git 的代理设置：
git config --global --unset http.proxy
git config --global --unset https.proxygit config --global http.proxy http://127.0.0.1:7890
这样就可以清除 Git 的代理设置，让其直接连接网络进行操作。
cv%3E%3D2.0.0rc4%2C%20%3C2.2.0" name="AssertionError%3A%20MMCV%3D%3D1.7.2%20is%20used%20but%20incompatible.%20Please%20install%20mmcv%3E%3D2.0.0rc4%2C%20%3C2.2.0">AssertionError: MMCV==1.7.2 is used but incompatible. Please install mmcv>=2.0.0rc4, <2.2.0
报错场景
运行代码后报错，
报错提示是因为当前使用的MMCV版本（1.7.2）与要求的不兼容，需要安装MMCV>=2.0.0rc4且<2.2.0的版本。
解决方法
错误原因在于该版本不兼容，至少安装2.0.0rc4版本的。
因此卸载掉之前安装的低版本，重新安装高版本。
pip uninstall mmcv
pip uninstall mmcv-full
mim install "mmcv<2.2.0,>=2.0.0"
OK，重新运行代码之后，可以看到代码运行结果了。
![python算法和数据结构刷题[2]：链表、队列、栈](https://i-blog.csdnimg.cn/direct/34780a8f88ee40fdb0ceb39f2b996eb3.png)
