强烈推荐使用 mim 来管理 OpenMMLab repo
OpenMMLab repo 不要 mim 和 pip 混用
OpenMMLab 1.0 和 OpenMMLab 2.0 环境分离，不要耦合在一个环境里面
以下是比较推荐的初学者配置方式，进阶之后推荐使用软链接模式，详见：
OpenMMLab 2.0 源码阅读和调试「必备」技巧
一、OpenMMLab 1.0 系列
1.1 新建conda环境
conda create -n mmlab1 python=3.8
conda activate mmlab1
1.2 配置pytorch
这里假设已经安装好了NVIDIA驱动以及CUDA、cudnn等环境。
可以用下面的命令进行验证：
nvidia-smi
nvcc -V
如果发生错误，请自行检索问题并执行。
假设验证成功，则接下来下面的步骤。
conda activate mmlab1 # 切换至 OpenMMLab 1.0 系列环境（假设已安装好 PyTorch）
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116 # 安装对应CUDA版本的pytorch环境
1.3 安装mim与mmcv
pip install -U openmim # 安装 mim
mim install mmcv-full # 安装基础库 mmcv 完整版
1.4 安装mmdetetection
# 源码安装 mmdet
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
mim install -v -e .
(mmclassification已经更新为mmpretrain)
# 源码安装 mmcls
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
mim install -v -e .
二、OpenMMLab 2.0 系列
2.1 新建conda环境
conda create -n mmlab2 python=3.8
conda activate mmlab2
同上1.1。
2.2 配置pytorch环境
命令同上1.2。
1.3 安装mim与mmengine
pip install -U openmim
mim install mmengine # 安装基础库 mmengine
mim install "mmcv==2.0.0rc4" # 安装基础库 mmcv 完整版（2.x 以后完整版从 mmcv-full 更名为 mmcv）
1.4 安装mmsegmentation
git clone https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
mim install -v -e .
1.5 安装mmpose
(注意：安装mmpose会先安装mmdet，可能会与mmcv2.0.0.rc4冲突，可以用conda新建虚拟环境分隔开)
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
mim install -v -e .
1.6 安装mmagic
git clone https://github.com/open-mmlab/mmagic.git
cd mmsegmentation
mim install -v -e .
(安装mmagic依赖库比较多，可以将下面这些库前置安装，避免长时间等待；)
Successfully installed CFFI-1.15.1 MarkupSafe-2.1.2 PyWavelets-1.4.1 absl-py-1.4.0 attrs-23.1.0 av-10.0.0 cachetools-5.3.0 controlnet_aux-0.0.3 diffusers-0.16.1 face-alignment-1.3.5 facexlib-0.3.0 filelock-3.12.0 filterpy-1.4.5 flatbuffers-23.5.9 fsspec-2023.5.0 google-auth-2.18.0 google-auth-oauthlib-1.0.0 grpcio-1.54.0 huggingface-hub-0.14.1 imageio-2.28.1 lazy_loader-0.2 llvmlite-0.40.0 lmdb-1.4.1 lpips-0.1.4 mediapipe-0.10.0 mmagic-1.0.2.dev0 networkx-3.1 numba-0.57.0 oauthlib-3.2.2 opencv-contrib-python-4.7.0.72 protobuf-3.20.3 pyasn1-0.5.0 pyasn1-modules-0.3.0 pycparser-2.21 regex-2023.5.5 requests-oauthlib-1.3.1 resize_right-0.0.2 rsa-4.9 scikit-image-0.20.0 scipy-1.9.1 sounddevice-0.4.6 tensorboard-2.13.0 tensorboard-data-server-0.7.0 tifffile-2023.4.12 timm-0.6.13 tokenizers-0.13.3 tqdm-4.65.0 transformers-4.29.1 urllib3-1.26.15 werkzeug-2.3.4
