本文详细介绍了在50系列显卡上安装MMCV的步骤和注意事项。由于50系显卡采用新框架，仅适配CUDA12.8，而官网提供的pip安装命令仅支持CUDA11.7，因此需要通过源码自定义编译安装。文章提供了从安装依赖库（如Git、Miniconda、VS2019等）到配置环境、安装PyTorch、设置CUDA目标架构、编译安装MMCV的完整流程。特别提醒编译时间较长，需耐心等待，并建议使用Python3.9创建conda环境。最后还提到可以通过python setup.py develop命令在新虚拟环境中快速安装MMCV。 本文的核心内容是对50系列显卡用户在安装MMCV软件包时可能遇到的特殊情况以及解决方案进行了详细说明。MMCV是一个为计算机视觉领域提供一系列功能模块的库，其安装过程对于初学者或非专业人士来说可能稍显复杂，尤其是当显卡的硬件架构发生变化时。对于50系显卡用户，由于其采用了一种新的硬件框架，仅与较新版本的CUDA兼容。本文指出了官方提供的安装方法并不能完全适用于50系显卡，而是需要进行额外的步骤。 文中详细介绍了安装一系列依赖软件的必要性，包括Git版本控制系统、Miniconda环境管理器以及Visual Studio 2019开发工具等。这些都是安装和编译MMCV所必需的软件包。接着，文章着重解释了如何配置正确的环境，比如创建一个以Python 3.9为基础的conda环境，这对于确保MMCV能够正确安装并兼容50系显卡至关重要。 文章强调了安装PyTorch的步骤，强调需要与CUDA 12.8兼容的版本。这一点至关重要，因为PyTorch和CUDA的版本不匹配会导致安装过程中的各种问题。接着，文中的步骤引导用户设置CUDA的目标架构，这是在50系显卡上安装MMCV过程中一个关键的自定义步骤。 编译安装MMCV的流程是本文的另一个重点。由于50系显卡框架的特殊性，需要从源代码进行编译安装，这通常会是一个耗时的过程。作者提醒读者需要耐心等待，同时也建议了如何通过命令行快速安装MMCV，即使用python setup.py develop命令。这样，用户就可以在新创建的虚拟环境中快速启动并运行MMCV。 整体而言，本文为50系显卡用户提供了在遇到官方安装命令不兼容时的详细解决方案，确保用户能够在新硬件架构上成功安装并使用MMCV。通过一步一步地详细指南，即使是没有深厚背景知识的用户也能够理解并完成安装。

MMCV 有两个主要版本，mmcv 和 mmcv-lite。 mmcv 是全面版本，包含所有的特性以及丰富的开箱即用的 CUDA 算子，但构建时间较长； mmcvlite 是精简版，不包含 CUDA 算子，但拥有其他所有功能，适用于不需要 CUDA 算子的场 景，类似于 MMCV 早期版本（mmcv < 1.0.0）。 MMCV 支持 OpenMMLab 下的众多计算机视觉相关的开源项目，如 mmdetection（目标检测工具 箱和基准）、mmsegmentation（语义分割工具箱和基准）、mmpose（姿态估计工具箱和基 准）、mmaction2（动作理解工具箱和基准）、mmclassification（图像分类工具箱和基准）等。

解决 No module named 'petrel_client' 问题

mmcv是用于计算机视觉研究的基础python库，支持MMLAB中的许多研究项目，例如mmdetection。

mmcv_full-1.5.3-cp37-cp37m-manylinux1_x86_64

深度学习 图像 Transformer 系列训练 window mmcv 编译库

https://mmcv.readthedocs.io/zh_CN/latest/understand_mmcv/config.html

深度学习 图像 Transformer 系列训练 window mmcv 编译库

比较流行的图像检测库，通过这个库，可以轻松的对图像进行相关操作，也是mmdetection 框架所使用的库，当需要使用mmdetection框架时，可以直接下载本包，进行离线编译安装。

mmcv和mmdetection离线文档,可查询相应api.