mmcv

OpenMMLab 通用视觉底座，算子与训练流程开箱即用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 1770 🐛 待处理 465 👀 关注 84

GitHub ↗

GitHub 星标 ★ 6482

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费（Apache-2.0）

项目预览

项目数据

分类计算机视觉

开发团队open-mmlab

GitHubhttps://github.com/open-mmlab/mmcv

定价模式🏷️完全免费

价格说明开源免费（Apache-2.0）

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

GitHub 星标★ 6482

上线时间2018-08-22 00:00:00

代码更新2026-09-28

仓库体积14.3 MB

本站数据更新2026-10-26

维护状态较活跃

收录时间2026-10-26

浏览次数0

项目介绍

MMCV 是 OpenMMLab 生态的计算机视觉基础库，为检测、分割、分类等上层算法框架提供统一底层能力。它解决视觉研究中算子实现分散、训练流程重复搭建、跨项目兼容性差的问题，把常用卷积与注意力算子、数据加载与增强流水线、模型构建与权重初始化、分布式训练与混合精度、日志与检查点管理等封装为可复用组件。核心能力包括：基于注册器机制的模块化构建，便于替换骨干网络与损失函数；丰富的 CPU/CUDA 自定义算子与算子编译工具；配置系统支持继承与变量引用，方便管理大规模实验；提供 Runner 统一训练验证推理流程，并配套可视化与基准测试工具。项目以 Python 为主，提供 C++/CUDA 扩展，是 OpenMMLab 各算法库的共同依赖。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-10-26 · 当前星标 ★ 6482

使用教程

难度：入门约 10 分钟部署方式：库/依赖 6 步

环境要求

已安装 Python 环境（建议使用独立的虚拟环境）
已按 PyTorch 官方安装指南成功安装 PyTorch
可用的 pip 包管理工具
如需 CUDA 算子支持，环境中需有可用的 CUDA 与对应 PyTorch 版本
Apple Silicon 用户需使用 PyTorch 1.13 及以上版本

安装与启动步骤

1安装 PyTorch

mmcv 依赖 PyTorch，需先按 PyTorch 官方安装指南装好与本机 CUDA 匹配的 PyTorch，再继续下一步。
2安装 openmim

openmim 是 OpenMMLab 的包管理工具，用它安装可自动匹配与当前 PyTorch/CUDA 对应的预编译包。
```
pip install -U openmim
```
3安装完整版 mmcv

完整版包含各类 CUDA 算子，构建时间较长；有 CUDA 环境时官方推荐安装此版本。
```
mim install mmcv
```
4安装指定版本

需要固定版本时在包名后加版本号，例如安装 2.0.0，便于与他人环境保持一致。
```
mim install mmcv==2.0.0
```
5安装轻量版

不需要 CUDA 算子时，可改装 mmcv-lite；注意它与完整版不能共存于同一环境。
```
pip install -U openmim
mim install mmcv-lite
```
6验证安装

进入 Python 交互环境执行 import mmcv，能正常导入且不报 ModuleNotFoundError 即安装成功。