目录
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 CPU 和 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 CPU 和 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。如果你不需要使用算子的话，精简版可以作为一个考虑选项。
# 进入python命令行
python
# 这里会输出你的python版本
import torch
print(torch.__version__)
print(torch.version.cuda)这里以CUDA11.3 Pytorch1.12.1 python3.8.13为例
https://download.openmmlab.com/mmcv/dist/cu113/torch1.12/index.html
根据你自己的版本替换上面的数字，例如你的cuda为11.1---则为cu111 torch为1.11---则为torch1.11
进入网站之后选择根据你自己的python版本和你想要安装的mmcv-full的版本号进行压缩包下载
下载好压缩包之后，在你安装包所在位置打开终端（Ctrl+ALT+T）输入以下命令:(具体根据自己版本自行更换！！！！！！！！！！！)
pip install https://download.openmmlab.com/mmcv/dist/cu113/torch1.12/index.htmlpip install mmcv-full==1.7.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12/index.htmlpython
>>>import mmcv
>>>print(mmcv.__version__)
如有输出版本号则证明安装成功！！！！！同样也建议大家使用源码安装（可以基于 MMClassification 框架开发自己的图像分类任务，需要添加新的功能）
git clone https://github.com/open-mmlab/mmclassification.git
# 从GitHub上克隆mmcls的模型代码仓库
cd mmclassification
# 进入克隆下来的文件夹
pip install -v -e .
#进行安装依赖 不要忘记后面的那个·哦！！
首先进行版本验证：
python
# 进入python命令行
import mmcls
print（mmcls.__version__）
有如下输出则证明初步安装正确
CD 进入前面从GitHub上克隆下来的mmclassification文件夹
pip install -U openmim
# 下载mim安装命令
mim download mmcls --config resnet50_8xb32_in1k --dest .
# 下载模型权重文件
python demo/image_demo.py demo/demo.JPEG resnet50_8xb32_in1k.py resnet50_8xb32_in1k_20210831-ea4938fc.pth --device cpu
# 进行图片验证
如果在命令行中输出结果字典，包括 pred_label，pred_score 和 pred_class 三个字段，则证明安装成功
如果想看到实际图片可以在上述命令后面加上 --show——————————————----- 可能会出现的问题————————————————
有的用户在进行最后一步验证的时候晚上可能会出现‘no module named mmcls’的情况 ，该种情况出现的原因是mmcls未在python解释器的环境变量中
输入以下命令查看mmcls是否在环境路径中
python
import sys
sys.path
进入上文从GitHub中克隆下来的mmclassification文件夹中会发现mmcls文件夹，记住mmcls文件的路径！！！！
按照如下操作：
1.打开终端
Ctrl + Alt + T
2.打开 ~/.bashrc 文件
gedit ~/.bashrc
3.在文件的末尾添加以下内容
export PYTHONPATH= 你的mmcls文件的路径 :$PYTHONPATH
4.保存文件并关闭编辑器
5.输入以下命令使修改生效
source ~/.bashrc
重复上述查看路径的命令会看到如下输出：
此处证明完全安装成功！！！！！！！！！！！！！