Spaces:
Sleeping
English | 简体中文
简介
MMCV 是一个面向计算机视觉的基础库，它支持了很多开源项目，例如：
- MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
- MMClassification: OpenMMLab 图像分类工具箱
- MMDetection: OpenMMLab 目标检测工具箱
- MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
- MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
- MMSegmentation: OpenMMLab 语义分割工具箱
- MMOCR: OpenMMLab 全流程文字检测识别理解工具箱
- MMPose: OpenMMLab 姿态估计工具箱
- MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
- MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
- MMRazor: OpenMMLab 模型压缩工具箱与测试基准
- MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
- MMAction2: OpenMMLab 新一代视频理解工具箱
- MMTracking: OpenMMLab 一体化视频目标感知平台
- MMFlow: OpenMMLab 光流估计工具箱与测试基准
- MMEditing: OpenMMLab 图像视频编辑工具箱
- MMGeneration: OpenMMLab 图片视频生成模型工具箱
- MMDeploy: OpenMMLab 模型部署框架
MMCV 提供了如下众多功能：
- 通用的 IO 接口
- 图像和视频处理
- 图像和标注结果可视化
- 常用小工具（进度条，计时器等）
- 基于 PyTorch 的通用训练框架
- 多种 CNN 网络结构
- 高质量实现的常见 CUDA 算子
MMCV 支持以下的系统：
- Linux
- Windows
- macOS
如想了解更多特性和使用，请参考文档。
提示: MMCV 需要 Python 3.6 以上版本。
安装
MMCV 有两个版本：
- mmcv-full: 完整版，包含所有的特性以及丰富的开箱即用的 CUDA 算子。注意完整版本可能需要更长时间来编译。
- mmcv: 精简版，不包含 CUDA 算子但包含其余所有特性和功能，类似 MMCV 1.0 之前的版本。如果你不需要使用 CUDA 算子的话，精简版可以作为一个考虑选项。
注意: 请不要在同一个环境中安装两个版本，否则可能会遇到类似 ModuleNotFound 的错误。在安装一个版本之前，需要先卸载另一个。如果CUDA可用，强烈推荐安装mmcv-full。
a. 安装完整版
在安装 mmcv-full 之前，请确保 PyTorch 已经成功安装在环境中，可以参考 PyTorch 官方文档。
我们提供了 Linux 和 Windows 平台 PyTorch 和 CUDA 版本组合的 mmcv-full 预编译包，可以大大简化用户安装编译过程。强烈推荐通过预编译包来安装。另外，安装完成后可以运行 check_installation.py 脚本检查 mmcv-full 是否安装成功。
i. 安装最新版本
如下是安装最新版 mmcv-full 的命令
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
请将链接中的 {cu_version} 和 {torch_version} 根据自身需求替换成实际的版本号，例如想安装和 CUDA 11.1、PyTorch 1.9.0 兼容的最新版 mmcv-full，使用如下替换过的命令
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
注意: PyTorch 在 1.x.0 和 1.x.1 之间通常是兼容的，故 mmcv-full 只提供 1.x.0 的编译包。如果你的 PyTorch 版本是 1.x.1，你可以放心地安装在 1.x.0 版本编译的 mmcv-full。例如，如果你的 PyTorch 版本是 1.8.1、CUDA 版本是 11.1，你可以使用以下命令安装 mmcv-full。
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
如果想知道更多 CUDA 和 PyTorch 版本的命令，可以参考下面的表格，将链接中的 =={mmcv_version} 删去即可。
ii. 安装特定的版本
如下是安装特定版本 mmcv-full 的命令
pip install mmcv-full=={mmcv_version} -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
首先请参考版本发布信息找到想要安装的版本号，将 {mmcv_version} 替换成该版本号，例如 1.3.9。
然后将链接中的 {cu_version} 和 {torch_version} 根据自身需求替换成实际的版本号，例如想安装和 CUDA 11.1、PyTorch 1.9.0 兼容的 mmcv-full 1.3.9 版本，使用如下替换过的命令
pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
对于更多的 PyTorch 和 CUDA 版本组合，请参考下表：
| CUDA | torch 1.11 | torch 1.10 | torch 1.9 | torch 1.8 | torch 1.7 | torch 1.6 | torch 1.5 |
|---|---|---|---|---|---|---|---|
| 11.5 | 安装 |
||||||
| 11.3 | 安装 |
安装 |
|||||
| 11.1 | 安装 |
安装 |
安装 |
||||
| 11.0 | 安装 |
||||||
| 10.2 | 安装 |
安装 |
安装 |
安装 |
安装 |
安装 |
安装 |
| 10.1 | 安装 |
安装 |
安装 |
安装 |
|||
| 9.2 | 安装 |
安装 |
安装 |
||||
| cpu | 安装 |
安装 |
安装 |
安装 |
安装 |
安装 |
安装 |
注意：以上提供的预编译包并不囊括所有的 mmcv-full 版本，你可以点击对应链接查看支持的版本。例如，点击 cu102-torch1.8.0，可以看到 cu102-torch1.8.0 只提供了 1.3.0 及以上的 mmcv-full 版本。另外，从 mmcv v1.3.17 开始，我们不再提供PyTorch 1.3 & 1.4 对应的 mmcv-full 预编译包。你可以在 这 找到 PyTorch 1.3 & 1.4 对应的预编包。虽然我们不再提供 PyTorch 1.3 & 1.4 对应的预编译包，但是我们依然在 CI 中保证对它们的兼容持续到下一年。
注意：mmcv-full 没有提供 Windows 平台 cu102-torch1.8.0 和 cu92-torch* 的预编译包。
除了使用预编译包之外，另一种方式是在本地进行编译，直接运行下述命令
pip install mmcv-full
但注意本地编译可能会耗时 10 分钟以上。
b. 安装精简版
pip install mmcv
c. 安装完整版并且编译 onnxruntime 的自定义算子
- 详细的指南请查看这里。
如果想从源码编译 MMCV，请参考该文档。
FAQ
如果你遇到了安装问题，CUDA 相关的问题或者 RuntimeErrors，可以首先参考问题解决页面 看是否已经有解决方案。
贡献指南
我们感谢所有的贡献者为改进和提升 MMCV 所作出的努力。请参考贡献指南来了解参与项目贡献的相关指引。
许可证
MMCV 目前以 Apache 2.0 的许可证发布，但是其中有一部分功能并不是使用的 Apache2.0 许可证，我们在 许可证 中详细地列出了这些功能以及他们对应的许可证，如果您正在从事盈利性活动，请谨慎参考此文档。
欢迎加入 OpenMMLab 社区
扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群，或添加微信小助手”OpenMMLabwx“加入官方交流微信群。
我们会在 OpenMMLab 社区为大家
- 📢 分享 AI 框架的前沿核心技术
- 💻 解读 PyTorch 常用模块源码
- 📰 发布 OpenMMLab 的相关新闻
- 🚀 介绍 OpenMMLab 开发的前沿算法
- 🏃 获取更高效的问题答疑和意见反馈
- 🔥 提供与各行各业开发者充分交流的平台
干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬