mmcv的环境 真 TM 难配 还有JAX 的环境配置

搞了个晚上 陪深度补全的 completionformer 没配出来。
首先 搞定 MMCV 的配置：
MMCV 一般无法使用 pip 进行安装，因为服务器没办法翻墙，需要将 wheel 文件下载下来之后，采用离线的安装。

方法：

MMCV 的版本取决于你的 torch 版本和 CUDA 版本，如果需要安装 torch 1.x 的安装，下面是MMCV 的官网安装网址：
下面的 1.4.3 是你想安装的 mmcv-full 的版本(CUDA 11.7 之前的版本)

https://mmcv.readthedocs.io/en/v1.4.3/get_started/installation.html

进入官网之后，根据 torch 和 CUDA 的版本选择 你想安装的 mmcv 的网址，然后进入 该网址进行离线下载。

如果是 Pytorch2.x 版本的网址如下：

https://mmcv.readthedocs.io/zh-cn/latest/get_started/installation.html

点进去 之后的 安装包，服务器一般后缀是 many_linux1.wheel 。
另外补充一点， 我们的PC电脑和服务器 一般都是 X86 架构的 ， 但是在许多嵌入式的设备和小型处理器上 往往采用的是 ARM 架构。 因此， 我在平时选择 wheel 的时候，无脑选择 x86 的即可。

根据python的版本(我的是3.8)选择 下载的wheel,

服务器上面一般是 cp38-manylinux1_x86_64.whl
下载之后，上传服务器进行离线安装

pip install mmcv_full-1.4.4-cp38-cp38-manylinux1_x86_64.whl

即可成功安装。

MMsegmentation 的安装

mmsegmentation 一般可以使用 pip 进行正常的安装

更早的 Torch+CUDA 的安装

之前的 torch 可以通过 官网上面的链接去进行安装

https://pytorch.org/get-started/previous-versions/

JAX 的环境配置

JaxLib 默认安装的是CPU 版本的，因此需要注意必须是 jaxlib +cudnn 才可以运行CUDA 版本

11.3 的 CUDA 对应的 jaxlib 的wheel 是 cuda111, 官网链接如下：

The jaxlib version must correspond to the version of the existing CUDA
installation you want to use:

For CUDA 11.1, 11.2, or 11.3, use cuda111. The same wheel should work
for CUDA 11.x releases from 11.1 onwards. For CUDA 11.0, use cuda110.
For CUDA 10.2, use cuda102. For CUDA 10.1, use cuda101. Older CUDA
versions are not supported. You can find your CUDA version with the
command:

离线下载 wheel 的网址：

https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

查看 CUDA 的版本

nvcc --version