MMCVOpenMMLab Computer Vision Foundation是一个面向计算机视觉任务的底层开源工具库由 OpenMMLab 团队开发与维护。它为 PyTorch 生态下的视觉算法研发提供核心基础设施支持广泛应用于 MMDetection、MMSegmentation、MMClassification 等主流视觉框架中。主要功能包括✅通用工具模块如文件 I/O支持 YAML/JSON/Pickle/Config、日志管理、计时器、GPU 加速的 NMS非极大值抑制、RoI 操作RoIAlign/RoIPool等✅图像与视频处理提供高效、可复现的图像变换如 Resize、Normalize、Flip、Rotate、色彩空间转换BGR↔RGB↔HSV、几何变换仿射/透视等✅CUDA 算子扩展内置大量自定义 CUDA 算子如 DCNv2、PSRoIAlign、Soft-NMS显著提升训练/推理性能✅配置系统Config基于 Python 的灵活配置机制支持继承、变量引用、动态导入便于实验管理✅注册器Registry与构建器Builder统一模块化设计范式支持插件式扩展模型、数据集、优化器等组件✅训练引擎Runner基础类提供EpochBasedRunner和IterBasedRunner抽象支撑训练/验证/测试流程调度✅可视化与评估工具集成 TensorBoard 日志、结果可视化如检测框/分割掩码叠加、COCO/Pascal VOC 等标准指标计算。安装方式推荐pipinstallmmcv-full-fhttps://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html# 例如CUDA 11.3 PyTorch 1.10 → 替换为 cu113/torch1.10注意mmcv-full包含编译的 CUDA 算子若仅需 CPU 功能可用mmcv纯 Python 版功能受限。mmcv-full与mmcv的核心区别在于是否包含预编译的 CUDA 扩展算子这直接决定了其功能完整性、性能表现及对主流 OpenMMLab 算法库的支持能力维度mmcv轻量版mmcv-full完整版CUDA 算子支持❌ 完全不含 CUDA 扩展纯 Python/CPU 实现✅ 包含大量高性能 CUDA 算子如 RoIAlign、NMS、DCNv2、PSRoIPool、Soft-NMS、Deformable Conv 等功能完整性仅提供基础工具配置解析、日志、通用 I/O、CPU 版图像变换等支持全部底层视觉操作是 MMDetection/MMSegmentation/MMClassification 等官方库的强制依赖运行性能CPU 操作为主RoI 相关操作慢 5–10×无法启用 GPU 加速数据后处理关键算子在 GPU 上执行显著提升训练/推理吞吐量尤其在检测/分割任务中安装方式pip install mmcv无需指定 CUDA/Torch 版本必须通过--find-links指定与当前 PyTorch CUDA 版本匹配的 wheel 地址如cu118/torch2.0否则安装失败或运行报错兼容性要求无 GPU 依赖适合纯 CPU 调试或教学演示要求系统已安装对应版本的 NVIDIA 驱动、CUDA Toolkit 和 PyTorchGPU 版✅必须使用mmcv-full的典型场景使用 MMDetection、MMSegmentation、MMTracking 等 OpenMMLab 主流算法库其setup.py或requirements明确声明依赖mmcv-full2.0.0模型中包含 RoI 相关层如 Faster R-CNN、Mask R-CNN、Cascade R-CNN、可变形卷积DCN、或需 Soft-NMS/多尺度测试等 GPU 加速后处理进行实际训练或高帧率推理——CPU 版 NMS/RoIAlign 会成为严重瓶颈复现论文结果或参与竞赛官方 Docker 镜像、Colab 示例均默认部署mmcv-full。⚠️ 注意mmcv已于 MMCV v2.0.0 起正式弃用官方公告新项目应统一使用mmcv-full旧版mmcv2.0.0与mmcv-full≥2.0.0不兼容升级需同步更新 OpenMMLab 各下游库版本。