一 安装软硬件介绍
硬件：RTX 3060 6GB
驱动及软件：Pyhton：3.7.8、CUDA：11.3、cuDNN：8.4.0、torch：1.12.0、torchvision：0.13.0、mmcv-full：1.6.0、MMDetection：2.25.3
上述所有资料的百度下载链接【由于网络原因，为了下载这些资源，曾耗费很多时间】：
链接：https://pan.baidu.com/s/1ecfhzWUgB1DbOj_5lkhs6g
提取码：5xto
二 加速环境CUDA和cuDNN的安装
由于要使用GPU，需要安装CUDA和cuDNN，首先查看自己显卡驱动适合的CUDA版本，以我的电脑为例，可以安装11.6及以下的版本，我最终选择的是安装11.3【为什么选择11.3，也是看了前人的总结，还好一路顺利】。
如果上面的版本不适合你，请去官网下载：
CUDA下载地址：
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN下载地址：
https://developer.nvidia.com/rdp/cudnn-archive
如何安装这个环境呢，请参考下文【一步一步走，错不了】：
【CUDA】cuda安装 （windows版）_何为xl的博客-CSDN博客_cuda windows
三 安装GPU版的Pytorch
Pytorch 各历史版本的下载地址【根据自己的环境，选择对应的版本即可】：
Previous PyTorch Versions | PyTorch
最终在命令行输入安装命令、即可正常安装：
# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113四 安装mmcv-full
MMCV有2个版本，一个是mmcv-full完整版，一个是mmcv精简版，需要安装的是mmcv-full完整版。
详细安装教程可参考以下链接：
安装方式1——使用pip安装：
根据系统的类型、CUDA 版本、PyTorch 版本以及 MMCV 版本选择相应的安装命令，下图所示为选择的最终结果，对应的安装命令为：
pip install mmcv-full==1.6.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12/index.html五 安装MMDetection
直接使用pip安装即可，需要注意和mmcv-full版本的对应关系，此处使用：
pip install mmdet==2.25.3版本对应关系及其他安装方法，可以参考以下链接：
可能出现的问题1：error: Microsoft Visual C++ 14.0 or greater is required. Get it with Microsoft C++ Build Tools
这是因为缺乏C++依赖，导致安装pycocotools失败。根据提示链接，进入下载文件，vs_BuildTools.exe，之后安装C++依赖。
在右侧可选项目里，前2个必须选，我第一次选择的其他的，导致最后没有成功。
可能出现的问题2：vs_BuildTools.exe在加载时，进度一直是0，资源一直无法下载。
解决措施：根据网上的方案，修改DNS地址，如下图所示，最后可以正常下载了。
可能出现的问题3：安装了C++环境，还是无法运行，报错："Unable to find vcvarsall.bat" distutils.errors.DistutilsPlatformError: Microsoft Visual C++ 14.0 or greater is required.
这是由于安装的C++环境版本不对造成的，上面的链接安装的是VS2022，系统要求安装VS2015、2017或2019，最终我安装的VS2015，成功了。
六 结果验证
下载ＭMDetection源码，下载地址：
文件 · v2.25.3 · mirrors / open-mmlab / mmdetection · GitCode
下载模型权重文件，见文章开头百度链接，在mmdetection文件夹下新建一个py文件，新建一个checkpoints文件夹并把权重拷贝进去，输入以下代码进行测试。
from mmdet.apis import init_detector, inference_detector, show_result_pyplot
config_file = r".\configs\faster_rcnn\faster_rcnn_r50_fpn_1x_coco.py"
checkpoint_file = r".\checkpoints\faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth"
device = 'cuda:0'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
img = "./test.jpeg"
# 模型推理
result = inference_detector(model, img)
# 结果展示
# model.show_result(img, result, show=True, out_file='test_result.jpg')
show_result_pyplot(model=model, img=img, result=result, score_thr=0.5)七 其他
1、使用pip安装时，建议设置永久镜像源地址：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
