错误：Traceback (most recent call last):
File “E:\1-Code\PythonCode\OpenCVFunLib_Python\tests\test2.py”, line 1, in
from mmdet.apis import init_detector, inference_detector
File “D:\python\lib\site-packages\mmdet_init_.py”, line 16, in
assert (mmcv_version >= digit_version(mmcv_minimum_version)
AssertionError: MMCV==2.2.0 is used but incompatible. Please install mmcv>=2.0.0rc4, <2.2.0.
遇到的是MMCV与MMDetection版本不兼容的断言错误，核心原因是当前安装的MMCV 2.2.0版本，超出了你的MMDetection所要求的版本范围（需满足>=2.0.0rc4 且 <2.2.0），OpenMMLab对各库的版本匹配要求严格，这是使用时最常见的问题之一。
解决步骤（Windows/Linux/macOS通用，一键复刻）
步骤1：卸载当前不兼容的MMCV
先彻底卸载现有MMCV（包括完整版mmcv和轻量版mmcv-lite，避免残留）：
pip uninstall -y mmcv mmcv-lite-y表示免确认直接卸载，节省操作步骤。
步骤2：安装指定版本范围的稳定MMCV（推荐2.1.5，兼容性最佳）
选择2.1.5版本（该版本在[2.0.0rc4, 2.2.0)范围内，是OpenMMLab各子库的稳定兼容版），优先用预编译包安装（无需编译，速度快，避免环境问题）。
安装命令需匹配你的PyTorch和CUDA版本，以下是最常用的组合示例，你可根据自己的环境替换：
# 核心命令模板：安装MMCV 2.1.5，匹配CUDA和PyTorchpipinstallmmcv==2.1.5 -f https://download.openmmlab.com/mmcv/dist/[CUDA版本]/[PyTorch版本]/index.html常用场景直接复制（覆盖90%的用户）
- GPU版（CUDA 11.8 + PyTorch 2.0.0）（最稳定组合，之前推荐的环境）：
pipinstallmmcv==2.1.5 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0.0/index.html- GPU版（CUDA 12.1 + PyTorch 2.2.0）：
pipinstallmmcv==2.1.5 -f https://download.openmmlab.com/mmcv/dist/cu121/torch2.2.0/index.html- CPU版（仅推理/测试，无CUDA）：
pipinstallmmcv==2.1.5 -f https://download.openmmlab.com/mmcv/dist/cpu/torch2.0.0/index.html步骤3：验证版本兼容与安装成功
打开Python终端，依次执行以下代码，无任何报错即表示成功：
importmmcvimportmmdet# 打印版本，确认MMCV<2.2.0print("MMCV版本：",mmcv.__version__)print("MMDetection版本：",mmdet.__version__)正常输出示例：MMCV版本：2.1.5、MMDetection版本：3.3.0（MMDetection版本不同不影响，只要MMCV符合范围即可）。
额外避坑提醒
- 若安装后仍报版本错误，检查是否有多个Python环境（如Anaconda/系统Python），确保操作的是当前运行代码的Python环境（可通过
where python（Windows）/which python（Linux/macOS）查看环境路径）。 - 后续安装OpenMMLab其他子库（如MMCls/MMDet），不要用pip直接装最新版MMCV，优先通过上述指定版本的方式安装，或用
mim install（自动匹配版本）：# mim会自动安装与当前MMDetection兼容的MMCV，推荐新手使用miminstallmmcv - 若需升级MMDetection，先查看其官方文档的MMCV版本要求，再对应升级/降级MMCV，切勿单独升级某一个库。
总结
本次错误的核心解决要点：
- 卸载不兼容的MMCV 2.2.0，彻底清除残留；
- 安装
2.0.0rc4 ≤ 版本 <2.2.0的MMCV，推荐稳定版2.1.5； - 安装时通过
-f指定预编译包地址，匹配自身PyTorch和CUDA版本； - 验证导入无报错，确认版本符合要求即可正常使用MMDetection。
