针对 OpenMMLab 视频理解（分类）的 MMAction2 的环境配置

在环境配置过程中，mmcv 的安装环节最容易出现问题。

创建并激活环境

bash 复制代码

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

安装 PyTorch

如果你不确定 CUDA 版本，可以执行 nvidia-smi 查看，推荐使用下述特定版本。该版本能够兼容后续的 mmcv 安装，从而规避因编译时间过长而导致的安装挂起问题。

python 复制代码

# 安装特定版本
conda install pytorch==2.1.0 torchvision==0.16.0 pytorch-cuda=11.8 -c pytorch -c nvidia

安装 OpenMMLab 依赖

bash 复制代码

pip install -U openmim
mim install mmengine

这里有ERROR的话：安装缺失的依赖包就行：pip install fsspec
然后重新运行上述指令。

安装 mmcv

mmcv 的版本必须与 Conda 环境中的 PyTorch 和 CUDA 版本严格匹配。如果版本不匹配，pip 会尝试从源码进行编译，该过程非常耗时。因此，强烈建议直接安装官方提供的预编译版本（pre-compiled wheel）以节省时间。

bash 复制代码

pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.1.0/mmcv-2.1.0-cp38-cp38-manylinux1_x86_64.whl

官方方案

图片链接 ：https://mmcv.readthedocs.io/en/latest/get_started/installation.html ，也是安装特定版本的、和自己当前系统兼容的mmcv版本，最好不要直接使用 mim install mmcv 。

安装 MMAction2

源码安装（推荐，便于修改和开发）

bash 复制代码

git clone https://github.com/open-mmlab/mmaction2.git
cd mmaction2
pip install -v -e .

验证安装是否成功

1. 下载示例模型和配置

bash 复制代码

mim download mmaction2 \
    --config tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb \
    --dest .

2. 运行推理示例（源码安装方式）

bash 复制代码

python demo/demo.py \
    tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb.py \
    tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb_20220906-2692d16c.pth \
    demo/demo.mp4 \
    tools/data/kinetics/label_map_k400.txt

运行结果如上，说明环境安装成功 ✅