写在前面
注意：第一部分是踩坑记录，第二部分才是正确的导出步骤！！！！
踩坑方法记录
这一部分的方法看样子好像没啥问题，但是一步步繁琐的操作下来你会发现，你已经入坑了！！！
提醒大家，如果你正在按照这个方法导出模型，劝你尽快放弃，行不通【原因在于后续的python导出代码会个各种报错，而且因环境冲突无法解决】！！！！
正确的步骤是：正确方法记录（下文的后面部分）。
前言
目前，MMDeploy在Windows平台下提供cpu以及cuda两种Device的预编译包，其中cpu版支持使用onnxruntime cpu进行推理，cuda版支持使用onnxruntime-gpu以及tensorrt进行推理，可以从Releases获取。
注意：本篇教程以mmdeploy-1.3.1-windows-amd64.zip为例，展示预编译包cpu的预测方法。
为了方便使用者快速上手，本教程以分割模型(mmdetection)为例，展示预编译包的使用方法。
预编译包的目录结构
如下：
.
├── build_sdk.ps1
├── example
├── include
├── install_opencv.ps1
├── lib
├── README.md
├── set_env.ps1
└── thirdparty
准备工作
使用预编译包，来进行模型转换以及模型推理，除了预编译包的中的内容外，还需要安装一些第三方依赖库。
下面以ONNXRuntime为推理后端，说明所要进行的准备工作。
首先新建一个工作目录。
请按照get_started文档，准备虚拟环境，安装pytorch、torchvision、mmcv。
conda create --name mmdeploy python=3.8 -y
conda activate mmdeploy
pip3 install torch torchvision torchaudio
pip install -U openmim
mim install 
