MMClassification是一个基于PyTorch的开源图像分类工具箱，是OpenMMLab项目的一部分，源码传送门，最新发布版本为v0.23.2，License为Apache-2.0。它支持在Windows、Linux和Mac上运行。

1.安装：使用conda安装

(1).创建openmmlab虚拟环境：

conda create -n openmmlab python=3.8
conda activate openmmlab

(2).安装PyTorch：这里PyTorch使用1.11.0版本，CUDA使用10.2版本，此CUDA版本对PyTorch各版本都支持

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c pytorch

(3).安装MMCV：MMCV有两个版本，这里安装带CUDA的mmcv-full

1).mmcv-full: 完整版，包含所有的特性以及丰富的开箱即用的CUDA算子，安装此版本需要较长时间。

2).mmcv：精简版，不包含CUDA算子但包含其余所有特性和功能，类似MMCV 1.0之前的版本。

不要在同一个环境中安装两个版本，否则可能会遇到类似ModuleNotFound的错误。在安装一个版本之前，需要先卸载另一个：

pip uninstall mmcv-full
pip uninstall mmcv

注意：这里mmcv-full使用1.5.3版本。CUDA版本和PyTorch版本与安装PyTorch时保持一致

pip install mmcv-full==1.5.3 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.11.0/index.html

(4).安装MMClassification：没有通过源码安装

pip install mmcls==0.23.2

2.测试：论文：《Very Deep Convolutional Networks for Large-Scale Image Recognition》

ImageNet数据集：是根据WordNet层次结构组织的图像数据集，ImageNet_1000_label中给出了1000类别中label对应的id值。

(1).下载模型(checkpoint)：

(2).根据配置文件和checkpoint文件构建模型：

config = "../../src/mmclassification/configs/vgg/vgg19_8xb32_in1k.py"
model = init_model(config, path+checkpoint, device)

(3).准备测试图像：原始图像来自网络

(4).进行推理：

执行结果如下图所示：

GitHub传送门