cv环境设置

pytorch TensorFlow。。。
环境布置，库的安装顺序：

1. 确定显卡可用的cuda上下限
   (比如3090需要至少11.x以上的cuda参考： 一文理顺：pytorch、cuda版本，从此不再为兼容问题头疼！ - 哔哩哔哩 (bilibili.com)）
2. 确定所需cuda后，找到他可安装的pytorch的版本。

pip install torch=。。。
为什么torch的库之间的版本是不兼容的，或者说会给你下载cpu版本的。
torch torchvision
win

3. 确定需要的pytorch版本后，我们再看一下需要跑的项目是基于旧版的mmcv(1.x版本)还是新版的mmcv(2.x版本)，确定好后，确定对应的mmdet和mmcls和mmengine和mmsegmentation分别是什么版本是否存在相对应的版本。确定好版本后开始下载：
   4.下载pytorch
   torch和torchaudio和torchvision的版本对应关系参考：Previous PyTorch Versions | PyTorch
   其中torch和torchaudio和torchvision的在线下载地址：
   torch的在线安装网站： download.pytorch.org/whl/torch/
   torchvision的在线安装网站：download.pytorch.org/whl/torchvision/
   torchaudio的在线安装网站：download.pytorch.org/whl/torchaudio/
   云服务器：
   在线下载后，在终端用wget+下载链接，直接下载whl文件，然后在我们要用的环境中pip install此whl文件即可。

4. 下载
   更新前：mmcv-full带有cuda算子的，mmcv。
   更新以后：mmcv(cuda算子的)，mmcv-lite。

1.x.x旧版的mmcv（-）下载mmcv-full）
2.x.x新版的mmcv(->下载mmcv)
mmdet mmseg mmcls mmengine

mmcv-full(旧版-带cuda算子)，或者mmcv(新版2.x版本-带cuda算子)
直接pip install -I 清华园 即可。

mmcv 对应的mmdet、mmseg、mmcls这些库也都更新了
a． mmcv和mmdet和mmsegmentation和mmcls的关系：
参考下面的网站的文档说明：
mmcv的文档：安装 MMCV — mmcv 1.7.0 文档
mmdet的文档：依赖 — MMDetection 2.27.0 文档
mmengine的文档：注册器（Registry） — mmengine 0.10.4 文档
在“依赖”章节和“常见问题”章节一般有版本对应号。
这里需要注意：
mmcv在23年后进行了更新，mmdet也做了相应的更新。
23年前：
mmcv是1.x版本。mmcv是不带cuda算子的库，mmcv-full是带cuda算子的库（用这个），对应的mmdet是2.x版本！！！
(此时如果你安装的是3.x版本的mmdet，你用mmdet跑的时候他会显示mmcv需要2.x版本，就会出问题，哪怕安装了2.x版本的mmcv，由于他需要的是1.x版本的mmcv，也会报错说mmengine没有注册对应模型的组件，这里卡了很久一直以为是mmengine的问题，其实就是mmdet和mmcv版本不对应。)
23年后：
mmcv更换了名字。统一变成了2.x以上版本。mmcv是带cuda算子的，而mmcv-lite是不带cuda算子的。
2.x版本的mmcv，对应的才是3.x版本的mmdet，必须完全对应哈。

旧版的mmcv必须对应旧版的mmd库(mmdet等)，新版的必须对应新版的一系列mm库。

具体的版本对应关系，旧版的教程网站已经没了，这里放出新版的。

至于mmcv和torch和cuda的关系从安装 MMCV — mmcv 1.7.0 文档这里可以确定。

现在的环境：

addict 2.4.0
aliyun-python-sdk-core 2.15.1
aliyun-python-sdk-kms 2.16.4
Brotli 1.0.9
certifi 2024.7.4
cffi 1.17.0
charset-normalizer 3.3.2
click 8.1.7
cmake 3.30.2
colorama 0.4.6
coloredlogs 15.0.1
contourpy 1.1.1
crcmod 1.7
cryptography 43.0.0
cycler 0.12.1
filelock 3.14.0
flatbuffers 23.5.26
fonttools 4.53.1
fsspec 2024.6.1
gmpy2 2.1.2
huggingface-hub 0.24.5
humanfriendly 10.0
idna 3.7
importlib_metadata 8.2.0
importlib_resources 6.4.0
Jinja2 3.1.4
jmespath 0.10.0
kiwisolver 1.4.5
lit 18.1.8
Markdown 3.6
markdown-it-py 3.0.0
MarkupSafe 2.1.3
matplotlib 3.7.5
mdurl 0.1.2
mkl-fft 1.3.8
mkl-random 1.2.4
mkl-service 2.4.0
mmcls 0.25.0
mmcv-full 1.7.1
mmdet 2.26.0
mmengine 0.10.0
mmsegmentation 1.2.2
model-index 0.1.11
mpmath 1.3.0
networkx 3.1
numpy 1.24.3
opencv-contrib-python 4.10.0.84
opencv-python 4.10.0.84
opendatalab 0.0.10
openmim 0.3.9
openxlab 0.1.1
ordered-set 4.1.0
oss2 2.17.0
packaging 24.1
pandas 2.0.3
Pillow 6.2.2
pip 24.2
platformdirs 4.2.2
prettytable 3.11.0
pycocotools 2.0.7
pycparser 2.22
pycryptodome 3.20.0
Pygments 2.18.0
pyparsing 3.1.2
pyreadline3 3.4.1
PySocks 1.7.1
python-dateutil 2.9.0.post0
pytz 2023.4
PyYAML 6.0.1
regex 2024.7.24
requests 2.28.2
rich 13.4.2
safetensors 0.4.4
scipy 1.10.1
setuptools 60.2.0
shapely 2.0.5
six 1.16.0
sympy 1.12
tabulate 0.9.0
termcolor 2.4.0
terminaltables 3.1.10
timm 1.0.8
tomli 2.0.1
torch 1.8.0+cu111
torchaudio 0.8.0
torchsummary 1.5.1
torchvision 0.9.0+cu111
tqdm 4.65.2
triton 2.0.0
typing_extensions 4.11.0
tzdata 2024.1
urllib3 1.26.19
wcwidth 0.2.13
wheel 0.43.0
yapf 0.31.0
zipp 3.20.0

清华园
https://pypi.tuna.tsinghua.edu.cn/simple