配置安装mmsegmentation并同步至远程服务器

Github地址：https://github.com/open-mmlab/mmsegmentation/blob/main/README_zh-CN.md

mmsegmentation是一个框架、mmseg是mmsegmentation作为库之后的包名字、mmcv是OpenMMLab的底层依赖、mmengine是训练管理系统

1. 先使用conda env list查看所有环境。
2. 创建新环境安装Python、Pytorch：这里需要注意匹配上pytorch和mmcv的版本可以在mmcv的官方文档里查找：https://mmcv.readthedocs.io/zh-cn/latest/get_started/installation.html

   conda create -n mmseg python=3.8
   #激活环境
   conda activate mmseg
   conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

3. 安装mmcv，直接根据Github中给出的连接即可：
    

   pip install mmcv==2.0.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0/index.html
   

4. 安装mmseg，也是直接根据Github中的安装教程即可

   pip install -U openmim
   pip install "mmsegmentation>=1.0.0"
   mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .

           打印检查：

   python -c "import torch, mmcv, mmengine, mmseg; \
   print('torch:', torch.__version__); \
   print('mmcv:', mmcv.__version__); \
   print('mmengine:', mmengine.__version__); \
   print('mmseg:', mmseg.__version__)"

5. 将在远程服务器上的虚拟环境与本地编译环境建立连接：
   写在文章Pycharm SSH连接_pycharm连接ssh-CSDN博客
6. 在运行过程中出现了ftfy 和regex没有的问题，重新去远程环境里下载了对应的库:

   pip install ftfy 
   pip install regex
   

7. 建立一个demo来检查库是否安装正确，代码就使用Github上提供的即可，会需要根据自己的安装路径来修改这里的config_file 、checkpoint_file：

   from mmseg.apis import inference_model, init_model, show_result_pyplot
   import mmcvconfig_file = 'pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py'
   checkpoint_file = 'pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth'# 根据配置文件和模型文件建立模型
   model = init_model(config_file, checkpoint_file, device='cuda:0')# 在单张图像上测试并可视化
   img = 'demo/demo.png'  # or img = mmcv.imread(img), 这样仅需下载一次
   result = inference_model(model, img)
   # 在新的窗口可视化结果
   show_result_pyplot(model, img, result, show=True)
   # 或者将可视化结果保存到图像文件夹中
   # 您可以修改分割 map 的透明度 (0, 1].
   show_result_pyplot(model, img, result, show=True, out_file='result.jpg', opacity=0.5)
   

8. 完成