摘要：
这个大数据训练发展较快，各种版本问题，不太好匹配，仅是安装就会大费周章。本文图文并茂的描述了一种成功的安装方式。仅供参考。
使用的win版本是win11，英伟达显卡是GeForce GTX 1660 SUPER。
1.cuda版本选择
通过上图可以查询到驱动程序版本是555.85
1. CUDA 12.5 Release Notes — Release Notes 12.5 documentation
打开以上网页，对比这个，可以安装CUDA12版本。
Start Locally | PyTorch
打开以上网页，这个pytorch还不太支持12.1以上的版本，安装cuda的时候选12.1
https://developer.nvidia.com/cuda-toolkit-archive
打开以上网页，选择这个12.1的cuda版本
2.安装cuda
紧接着，按实际的硬件配置这么选择。选择网络版，包小，让他自己下载安装即可。
这个安装提示安装就好，没有啥错误。
安装好后进行确认，CUDA_PATH的路径是这个C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1，这个路径就是CUDA的安装路径。
使用指令nvcc -V确认，
nvcc -V
https://developer.nvidia.com/rdp/cudnn-archive
打开以上网址，下载这个cuDNN V8.9.7
下载完成，进入压缩包，对应的执行文件bin,头文件include，库文件lib,复制到对应文件夹
如此则安装成功。
3.安装torch
通过conda创建虚拟环境
使用这条指令来安装
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
这个指令是这么选的
Start Locally | PyTorch
这个网址
验证安装
import torch
torch.cuda.is_available
打印出来不是false就是安装成功了。
4. 使用 MIM 安装 MMEngine 和 MMCV
pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.1"
mim install "mmdet>=3.1.0"
这个第四步好像会报错，需要安装visual studio，
去微软官网上下载安装即可。
5.从源码安装（推荐）mmpose
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .
# "-v" 表示输出更多安装相关的信息
# "-e" 表示以可编辑形式安装，这样可以在不重新安装的情况下，让本地修改直接生效类似下图，一行一行的安装就好。
6.验证安装
下载一下这两个文件到mmpose文件夹
mim download mmpose --config td-hm_hrnet-w48_8xb32-210e_coco-256x192 --dest .
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使用上面的指令验证一下
这个会在这个文件中生成这个图片
搞到这一步说明这个库已经完成安装了。
费时耗力，不太好搞。
