在运行MMsegmentation的训练脚本时，遇到了MMCV版本不兼容的断言错误，核心原因是：MMsegmentation必须依赖编译版的mmcv-full，而非纯Python版的mmcv，当前安装的MMCV==2.1.0大概率是普通版，或是版本与mmsegmentation/mmengine的适配性不匹配（即便版本号满足>=2.0.0rc4，非full版也会触发该错误）。
下面给出Windows环境（MINGW64/CMD/PowerShell通用）的完整解决步骤，从卸载冲突包到安装适配的依赖，一步到位解决问题。
步骤1：卸载现有冲突的mmcv/mmcv-full
首先卸载当前的mmcv（无论是不是full版），避免版本冲突，在终端执行：
pip uninstall -y mmcv mmcv-full-y表示直接确认卸载，无需手动输入y。
步骤2：安装适配的mmcv-full（核心步骤）
mmcv-full的安装必须匹配你的PyTorch版本和CUDA版本（CPU版直接装cpu版即可），这是OpenMMLab系列库的核心要求，新手如果没有配置GPU环境，直接装CPU版即可。
先确认你的PyTorch+CUDA版本（关键）
在Python终端执行以下代码，查看当前环境的PyTorch和CUDA版本：
importtorchprint(torch.__version__)# 输出PyTorch版本，如2.0.1print(torch.version.cuda)# 输出CUDA版本，CPU版会显示None，GPU版如11.7- 如果
torch.version.cuda显示None→ 你是CPU版PyTorch，直接装CPU版mmcv-full； - 如果显示具体版本（如11.7/12.1） → 你是GPU版PyTorch，装对应CUDA版本的mmcv-full。
安装mmcv-full（分CPU/GPU版）
OpenMMLab提供了官方的mmcv-full安装命令生成工具，也可以直接用以下通用命令，替换对应版本即可（推荐用清华源加速，避免下载超时）。
情况1：CPU版PyTorch（新手最常见，无GPU）
直接执行以下命令，安装适配PyTorch2.0+的CPU版mmcv-full（适配mmsegmentation主分支）：
pipinstallmmcv-full -f https://download.openmmlab.com/mmcv/dist/cpu/torch2.0.0/index.html -i https://pypi.tuna.tsinghua.edu.cn/simple如果你的PyTorch是1.13.x，把命令中的torch2.0.0换成torch1.13.0即可。
情况2：GPU版PyTorch（有CUDA环境）
以PyTorch2.0.1 + CUDA11.7为例（最常用），执行：
pipinstallmmcv-full -f https://download.openmmlab.com/mmcv/dist/cu117/torch2.0.0/index.html -i https://pypi.tuna.tsinghua.edu.cn/simple- 若CUDA是11.8，把
cu117换成cu118； - 若PyTorch是1.12.1，把
torch2.0.0换成torch1.12.0； - 其他版本组合，参考MMCV官方安装文档。
步骤3：检查并升级mmengine（确保版本适配）
mmsegmentation主分支对mmengine有版本要求，需确保其为最新适配版，执行升级命令：
pipinstall-U mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple-U表示升级到最新版。
步骤4：验证依赖安装是否正确
在Python终端执行以下代码，验证mmcv-full是否安装成功，且版本适配：
importmmcvprint(mmcv.__version__)# 输出mmcv-full版本，如2.0.1importmmengineprint(mmengine.__version__)# 输出mmengine版本，如0.10.0无报错即表示安装成功。
步骤5：重新运行训练命令
回到你的mmsegmentation目录，重新执行训练脚本：
python tools/train.py configs/segformer/segformer_mit-b0_512x512_160k_ade20k.py --work-dir work_dirs/segformer_exp此时不会再触发MMCV版本不兼容的AssertionError，若有新的警告（如TorchScript的DeprecationWarning），可忽略（不影响训练）。
额外注意：避免环境混淆
如果你的电脑有多个Python环境，需确保MINGW64中使用的python/pip是你安装了PyTorch/mmcv-full的环境：
- 可通过
which python（MINGW64）或where python（CMD）查看当前python路径； - 若pip和python不匹配，用
python -m pip代替pip执行所有命令（如python -m pip install mmcv-full），确保依赖装到当前python环境。
总结
- 本次报错的核心不是MMCV版本号不够，而是安装了普通版mmcv，而非mmsegmentation必需的mmcv-full；
- 安装mmcv-full的关键是匹配PyTorch和CUDA版本，CPU版直接装对应torch版本的cpu版即可；
- 用
python -m pip代替pip可避免多环境下的依赖安装路径错误，新手优先使用； - 清华源
-i https://pypi.tuna.tsinghua.edu.cn/simple能大幅提升下载速度，避免超时失败。
按上述步骤操作后，即可正常启动SegFormer的训练流程。
)