解决HivisionIDPhotos项目中onnxruntime版本冲突问题

在使用HivisionIDPhotos项目进行GPU加速推理时，可能会遇到onnxruntime版本冲突的问题。本文将详细分析问题原因并提供解决方案。

问题背景

当项目中同时需要mtcnn-runtime和onnxruntime-gpu时，可能会出现版本不兼容的情况。具体表现为：

1. 安装mtcnn-runtime时会自动安装较高版本的onnxruntime(如1.19.2)
2. 而用户的CUDA和cuDNN环境可能仅支持较低版本的onnxruntime-gpu(如1.18.0)
3. 安装后，系统会默认使用高版本的CPU版onnxruntime，导致GPU加速失效

问题原因分析

这种版本冲突主要源于Python包管理机制：

1. mtcnn-runtime的依赖声明中可能没有严格限制onnxruntime的版本
2. pip在解析依赖关系时，会优先安装最新兼容版本
3. onnxruntime和onnxruntime-gpu实际上是同一个包的不同变体，安装时会相互覆盖

解决方案

要解决这个问题，可以按照以下步骤操作：

1. 首先安装指定版本的onnxruntime-gpu：

   pip install onnxruntime-gpu==1.18.0
   

2. 然后安装onnxruntime的相同版本：

   pip install onnxruntime==1.18.0
   

3. 最后安装mtcnn-runtime：

   pip install mtcnn-runtime
   

注意事项

1. 确保CUDA和cuDNN版本与onnxruntime-gpu版本兼容
2. 安装顺序很重要，先安装GPU版本再安装CPU版本
3. 可以使用pip list命令验证安装的版本是否正确
4. 可以通过以下Python代码验证GPU是否可用：

   import onnxruntime
   print(onnxruntime.get_device())
   

深入理解

理解这个问题的关键在于Python包管理中的依赖解析机制。当多个包依赖同一个基础包的不同版本时，pip会尝试找到一个能满足所有依赖的版本。如果找不到，就会安装最新版本，可能导致某些功能失效。

在HivisionIDPhotos项目中，手动指定版本可以确保系统使用兼容的onnxruntime版本，同时保留GPU加速功能。这种方法也适用于其他存在类似依赖冲突的项目。