mmdet代码复现：安装指定版本的mmcv和mmdet以及版本匹配问题。

解决mmcv，mmdet环境安装过程中出现的问题。

前言:

如果是复现别人论文里的代码，那么要注意mmdet和mmcv版本匹配的问题。
从论文中把代码下载下来之后首先要看一下项目文件中的mmdet/__init__.py和mmdet/version.py这两个文件：

这里version.py 中的__version__指明了当前项目使用的mmdet版本，这里作者用mmdet是2.3.0版本。（ps:如果项目中没有version.py文件，虽然不能直接得知所使用的mmdet版本，但是影响不大。）
这里的mmcv_*_version参数指明了所需要的mmcv版本，这里mmcv=1.0.5，mmcv和mmdet版本要对应好，不然容易出一些问题。(如果没有version.py文件指明mmdet版本，这里把mmcv的版本安装对也可以。)
下面是官方的版本匹配图：

安装指定版本的mmcv和mmdet

知道需要的版本之后开始正式安装过程。
下面简单演示一下安装：
mmcv-full=1.0.5
mmdet=2.3.0

步骤1：安装依赖项和设置环境

在开始配置之前，确保你的系统已经安装了Anaconda或Miniconda。
创建并激活虚拟环境：

conda create --name mmdetection python=3.8 -y
conda activate mmdetection

将创建一个Python版本为3.8的虚拟环境，并自动安装所有默认依赖项.

步骤2：安装pytorch

先看一眼mmcv官网的安装要求：https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html
看下面图片描述：
然后进入pytorch官网：https://pytorch.org/
找到需要的pytorch 1.6
复制命令到刚刚创建的虚拟环境中安装pytorch:

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch

步骤3：安装mmcv-full

安装好pytorch了，进入mmcv官网刚刚打开的页面

可以先看一下pytorch安装状态：

python -c 'import torch;print(torch.__version__);print(torch.version.cuda)'

输出已安装的版本号。

开始安装mmcv 1.0.5：

pip install mmcv-full==1.0.5 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.6/index.html

正确执行完毕就可以了，一般不用验证。

步骤4：安装mmdet （复现别人的项目中的代码一般不需要这一步，看步骤5）

这里面找到需要的版本：
https://github.com/open-mmlab/mmdetection/tags

下载压缩包解压后，cd 进入mmdetection目录后直接执行：pip install -v -e .完成编译即可。
至此，完整安装了mmcv-full 1.0.5和mmdet 2.3.0。

步骤5：复现代码步骤（不需要单独下载mmdetection）

完成步骤1，2， 3之后，直接进入你所下载的项目目录中，因为框架已经包含了mmdet，其中mmdet/version.py中已经指明了mmdet的版本。

这个时候你已经按照上面的步骤安装好mmcv-full了，只需在项目主目录中执行：

pip install -r requirements.txt 
pip install -v -e .

完成编译即可。
执行完毕可以发现mmdet已经安装好了，pip list命令查看。

然后就可以运行代码了，如果运行失败，一般是缺少某些工具包，根据提示安装相应的包即可，如：

pip install numpy==1.23.5
pip install yapf==0.40.1
pip install git+https://github.com/lvis-dataset/lvis-api.git

如果失败，则在本地浏览器输入https://github.com/lvis-dataset/lvis-api.git，下载后将lvis-api压缩包传输到服务器，
命令行输入：pip install lvis-api-master.zip

老版本容易出现的问题：
RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)
解决：unset LD_LIBRARY_PATH

问题：
[E ProcessGroupNCCL.cpp:737] [Rank 3] Watchdog caught collective operation timeout: WorkNCCL(SeqNum=1751615, OpType=ALLREDUCE, Timeout(ms)=1800000) ran for 1800265 milliseconds before timing out…
[E ProcessGroupNCCL.cpp:414] Some NCCL operations have failed or timed out. Due to the asynchronous nature of CUDA kernels, subsequent GPU operations might run on corrupted/incomplete data. To avoid this inconsistency, we are taking the entire process down…
解决：export NCCL_P2P_DISABLE=1