超详细Ubuntu18.04虚拟机安装MMpose（踩坑已改正）

1.安装使用anaconda，版本无所谓

从官网下载压缩包，打开terminal，在压缩包所在的文件夹执行bash +安装包名称。如，我的文件全名Anaconda3-2024.02-1-Linux-x86_64.sh，使用命令行

bash Anaconda3-2024.02-Linux-x86_64.sh

2.创建一个独立的conda环境

假设名字取a_ws，使用命令行（全文中的mmpose_ws都是工作空间名字，可以替换成你自己的）

conda create --name mmpose_ws python=3.8 -y

进入该工作空间

conda activate mmpose_ws

【注意】 在下面的环境配置过程中，有任何问题，可以简单粗暴地，把mmpose_ws工作空间直接删除，再重新建立一个conda环境，从头配置。删除命令行（记得替换你自己的name）

conda remove -n mmpose_ws --all

3.安装pytorch

我选择的是2.1.1 cpu，命令行如下。 其他版本从官网复制：Previous PyTorch Versions | PyTorch

conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 cpuonly -c pytorch

【注意】这里需要pytorch ≤ 2.1.x ，≥ 1.8.x  因为更高版本的pytorch会导致mmcv只能安装2.2.0，而无法安装mmdet；太低的版本不适用 mmpose

所以，不要使用mmpose官网提供的命令行，该方式会导致安装最新的pytorch，会> 2.1.x

选择cpu还是gpu的pytorch，取决于你是否有改动源码的需求，如果电脑有gpu，建议使用gpu 

4.安装mim指令

pip install -U openmim

【注意】执行pip install -U openmin时，可能会出现下面的报错，是由于pip版本过高导致的

通过命令行查询自己的pip版本

pip --version

若版本大于22.0.2，则降低pip版本为20.0.2

python -m pip install pip==20.0.2

如下图所示

然后重新执行上面那个 pip install -U openmim

5.安装mmcv，安装mmEngine，安装mmdet

mim install mmengine
mim install "mmcv>=2.0.1"
mim install "mmdet>=3.1.0"

【注意】如果这里出现报错（我没留截图），就是wheels什么的，就是pytorch版本太高导致mmcv版本太高，导致mmdet用不了，回去看第3条

如果你的pytorch版本不是上文我使用的2.1.1，不要执行第二行的mim install "mmcv>=2.0.1"，去mmcv的官网选择你的条件，执行那个命令行。

官网：Installation — mmcv 2.2.0 文档

如，你是cuda11.7   pytorch 1.13x   选择安装mmcv2.1.0（依然要满足>=2.0.1）

则执行上图的命令行

pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu117/torch1.13/index.html

6.安装mmpose

6.1 下载编译好的包（用于没有gpu，只有cpu）

mim install "mmpose>=1.1.0"

如果只是想调用mmpose，这个足以；如果想对mmpose进行改动，以达到自己的需求，去下载源码，参考6.2

6.2 下载源码，本地编译（该方式要求必须有CUDA）

git clone https://github.com/open-mmlab/mmpose.git

【注意】github国内不稳定，要是failed了就多执行几遍，或者挂梯子，或者等一会再执行。多执行和等一会是最简单粗暴且有效的，等不起可以复制error去网上找一些高端方法（涉及网络通信等）

编译mmpose的源码（source）

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

安装完成。

7.官网数据集验证

7.1 python包安装方式（对应6.1）

建立一个文件夹mmpose，在该路径下重新打开terminal，并进入配置好的a_ws环境

conda activate a_ws

下载配置文件和模型权重文件

mim download mmpose --config td-hm_hrnet-w48_8xb32-210e_coco-256x192  --dest .

下载图片demo.jpg：000000000785.jpg (640×425) (raw.githubusercontent.com)

新建一个py脚本，比如叫test.py，保存脚本内容为：

from mmpose.apis import inference_topdown, init_model
from mmpose.utils import register_all_modules

register_all_modules()

config_file = 'td-hm_hrnet-w48_8xb32-210e_coco-256x192.py'
checkpoint_file = 'td-hm_hrnet-w48_8xb32-210e_coco-256x192-0e67c616_20220913.pth'
model = init_model(config_file, checkpoint_file, device='cpu')  # or device='cuda:0'

# 请准备好一张带有人体的图片
results = inference_topdown(model, 'demo.jpg')

 即（那个图片把名字改为demo.jpg，或者把脚本最后一行改为图片的名字）：

在该路径下、ws环境中，运行py脚本，命令行为

python test.py

*也可以在pycharm（或其他编译器）中写一个python脚本，用配好的工作环境运行

运行之后你会发现长这样

一开始我以为有error。但是不要慌，这是成功了，只是我们还看不见结果。

打开test.py脚本，在最后一行添加一下代码并保存

print(result)

重新执行python test.py，这时有执行结果了

更多可视化代码需要编写脚本，详见mmpose官网的docs和demos

7.2 源码安装方式（对应6.2）

没有任何多余操作的话，我们的路径应该是在~/mmpose下，下载配置文件和模型权重文件

mim download mmpose --config td-hm_hrnet-w48_8xb32-210e_coco-256x192  --dest .

然后执行：

python demo/image_demo.py \
    tests/data/coco/000000000785.jpg \
    td-hm_hrnet-w48_8xb32-210e_coco-256x192.py \
    td-hm_hrnet-w48_8xb32-210e_coco-256x192-0e67c616_20220913.pth \
    --out-file vis_results.jpg \
    --draw-heatmap

执行结果会保存在当前路径的vis_results.jpg。

更多大型数据集和视频数据集等，详见官网：Demos — MMPose 1.3.1 文档