diff --git a/INSTALL_zh.md b/INSTALL_zh.md
new file mode 100644
index 000000000..a3e18cf13
--- /dev/null
+++ b/INSTALL_zh.md
@@ -0,0 +1,215 @@
+## 安装与环境配置
+
+### 系统要求
+
+- Linux 系统，Python ≥ 3.10，PyTorch ≥ 2.5.1 以及与 PyTorch 版本匹配的 [torchvision](https://github.com/pytorch/vision/)。请前往 https://pytorch.org 一起安装，以确保版本一致。
+ * 注意：较旧版本的 Python 或 PyTorch 也可能可以运行，但强烈建议使用上述版本以获得 `torch.compile` 等完整功能支持。
+- 与 PyTorch 安装所使用的 CUDA 版本匹配的 [CUDA 工具包](https://developer.nvidia.com/cuda-toolkit-archive)。如果您使用默认安装命令，通常为 CUDA 12.1。
+- 如果您在 Windows 上安装，强烈建议使用带有 Ubuntu 的 [Windows Subsystem for Linux (WSL)](https://learn.microsoft.com/zh-cn/windows/wsl/install)。
+
+然后，在本仓库根目录下通过以下命令安装 SAM 2：
+
+```bash
+pip install -e ".[notebooks]"
+```
+
+如需跳过构建 SAM 2 的 CUDA 扩展，可通过环境变量 `SAM2_BUILD_CUDA=0` 来跳过：
+
+```bash
+# 跳过 SAM 2 CUDA 扩展的构建
+SAM2_BUILD_CUDA=0 pip install -e ".[notebooks]"
+```
+
+跳过构建后，运行时也会跳过后处理步骤（即去除输出掩码中的小空洞和噪点，该功能需要 CUDA 扩展），但在大多数情况下不会影响结果。
+
+### 构建 SAM 2 CUDA 扩展
+
+默认情况下，即使 SAM 2 的 CUDA 扩展构建失败，安装也会继续进行（此时构建错误会被隐藏，除非在 `pip install` 中使用 `-v` 开启详细输出）。
+
+如果运行时出现 `Skipping the post-processing step due to the error above`，或安装时出现 `Failed to build the SAM 2 CUDA extension due to the error above` 的提示，说明 SAM 2 的 CUDA 扩展在您的环境中构建失败。此时，**您仍然可以将 SAM 2 用于图像和视频应用**。后处理步骤（去除输出掩码中的小空洞和噪点）将被跳过，但在大多数情况下不会影响结果。
+
+如果您希望启用此后处理步骤，可以在 GPU 机器上通过设置环境变量 `SAM2_BUILD_ALLOW_ERRORS=0` 来重新安装 SAM 2，强制构建 CUDA 扩展（如果构建失败则抛出错误）：
+
+```bash
+pip uninstall -y SAM-2 && \
+rm -f ./sam2/*.so && \
+SAM2_BUILD_ALLOW_ERRORS=0 pip install -v -e ".[notebooks]"
+```
+
+注意：在构建 SAM 2 CUDA 扩展之前，需要先安装 PyTorch。同时，还需要安装与 PyTorch 安装所使用的 CUDA 版本匹配的 [CUDA 工具包](https://developer.nvidia.com/cuda-toolkit-archive)（如果使用默认安装命令，通常为 CUDA 12.1）。安装完成后，可以通过 `nvcc --version` 查看其版本。
+
+如果安装过程中或运行时 CUDA 扩展构建失败，请查看下方的常见安装问题章节。
+
+### 常见安装问题
+
+点击各问题查看解决方案：
+
+
+
+出现 ImportError: cannot import name '_C' from 'sam2'
+
+
+
+这通常是因为您没有执行上面的 `pip install -e ".[notebooks]"` 步骤，或者安装失败。请先安装 SAM 2，并参考其他问题排查安装失败的原因。
+
+在某些系统上，您可能需要按照 https://github.com/facebookresearch/sam2/issues/77 的建议，在 SAM 2 仓库根目录下运行 `python setup.py build_ext --inplace`。
+
+
+
+
+
+出现 MissingConfigException: Cannot find primary config 'configs/sam2.1/sam2.1_hiera_l.yaml'
+
+
+
+这通常是因为您没有执行上面的 `pip install -e .` 步骤，导致 `sam2` 不在 Python 的 `sys.path` 中。请执行该安装步骤。如果安装后仍然失败，可以通过以下方式手动将本仓库根目录添加到 `PYTHONPATH`：
+
+```bash
+export SAM2_REPO_ROOT=/path/to/sam2 # 本仓库的路径
+export PYTHONPATH="${SAM2_REPO_ROOT}:${PYTHONPATH}"
+```
+
+这样可以将 `sam2_configs` 手动加入 Python 的 `sys.path`。
+
+
+
+
+
+加载新的 SAM 2.1 检查点时出现 RuntimeError: Error(s) in loading state_dict for SAM2Base
+
+
+
+这可能是因为您安装的是旧版本仓库，其中缺少支持 SAM 2.1 检查点所需的新模块。请尝试以下步骤：
+
+1. 从本仓库的 `main` 分支拉取最新代码
+2. 运行 `pip uninstall -y SAM-2` 卸载之前的安装
+3. 使用 `pip install -e ".[notebooks]"` 重新安装最新版本
+
+如果上述步骤仍无法解决问题，请在您的 Python 环境中运行以下代码：
+
+```python
+from sam2.modeling import sam2_base
+
+print(sam2_base.__file__)
+```
+
+并检查打印出的 `sam2/modeling/sam2_base.py` 本地路径中的内容是否与 https://github.com/facebookresearch/sam2/blob/main/sam2/modeling/sam2_base.py 中的最新版本一致（例如，您的本地文件是否包含 `no_obj_embed_spatial`），以确认您是否仍在使用旧版本的安装。
+
+
+
+
+
+安装失败，提示 CUDA_HOME environment variable is not set
+
+
+
+这通常是因为安装步骤找不到 CUDA 工具包（包含 NVCC 编译器）来构建 SAM 2 中的自定义 CUDA 内核。请安装 [CUDA 工具包](https://developer.nvidia.com/cuda-toolkit-archive) 或与您的 PyTorch 安装所使用的 CUDA 版本匹配的版本。如果安装 CUDA 工具包后错误仍然存在，可以通过以下方式显式指定 `CUDA_HOME`：
+
+```
+export CUDA_HOME=/usr/local/cuda # 改为您的 CUDA 工具包路径
+```
+
+然后重新运行安装命令。
+
+此外，您应该确保以下命令：
+
+```
+python -c 'import torch; from torch.utils.cpp_extension import CUDA_HOME; print(torch.cuda.is_available(), CUDA_HOME)'
+```
+
+打印出 `(True, 包含 cuda 的目录)` 以验证 CUDA 工具包配置正确。
+
+如果验证 CUDA 工具包已安装且 `CUDA_HOME` 环境变量已正确设置后仍有问题，可能需要在 pip 命令中添加 `--no-build-isolation` 标志：
+
+```
+pip install --no-build-isolation -e .
+```
+
+
+
+
+
+出现 undefined symbol: _ZN3c1015SmallVectorBaseIjE8grow_podEPKvmm（或类似错误）
+
+
+
+这通常是因为您的环境中存在多个版本的依赖项（PyTorch 或 CUDA）。安装时，SAM 2 库编译时链接了某个版本的库，但运行时链接了另一个版本。这可能是因为您通过 `pip` 或 `conda` 分别安装了不同版本的 PyTorch 或 CUDA。您可以删除其中一个重复项，只保留单一版本的 PyTorch 和 CUDA。
+
+特别是，如果您的 PyTorch 版本低于 2.5.1，建议先升级到 PyTorch 2.5.1 或更高版本。否则，安装脚本会尝试使用 `pip` 升级到最新版本的 PyTorch，如果您之前使用 `conda` 安装了其他版本的 PyTorch，有时会导致 PyTorch 重复安装。
+
+我们内部一直使用 PyTorch 2.5.1 构建 SAM 2。但部分用户的评论（例如 https://github.com/facebookresearch/sam2/issues/22 和 https://github.com/facebookresearch/sam2/issues/14）表明，降级到 PyTorch 2.1.0 可能可以解决此问题。如果错误仍然存在，您可以尝试将 [`pyproject.toml`](pyproject.toml) 和 [`setup.py`](setup.py) 中的 `torch>=2.5.1` 改为 `torch==2.1.0`，以允许使用 PyTorch 2.1.0。
+
+
+
+
+
+出现 CUDA error: no kernel image is available for execution on the device
+
+
+
+可能的原因是 CUDA 内核没有针对您的 GPU 的 CUDA [计算能力](https://developer.nvidia.com/cuda-gpus)进行编译。这种情况可能发生在安装环境与运行时环境不同的情况下（例如在 slurm 系统中）。
+
+您可以尝试拉取最新的 SAM 2 代码并运行以下命令：
+
+```
+export TORCH_CUDA_ARCH_LIST=9.0 8.0 8.6 8.9 7.0 7.2 7.5 6.0
+```
+
+手动指定与您的 GPU 匹配的 CUDA 计算能力作为编译目标。
+
+
+
+
+
+出现 RuntimeError: No available kernel. Aborting execution.（或类似错误）
+
+
+
+这可能是因为您的机器没有 GPU 或 PyTorch 版本不兼容 Flash Attention（另请参阅 PyTorch 论坛中的讨论：https://discuss.pytorch.org/t/using-f-scaled-dot-product-attention-gives-the-error-runtimeerror-no-available-kernel-aborting-execution/180900）。您可以尝试将 [`sam2/modeling/sam/transformer.py`](sam2/modeling/sam/transformer.py) 中的以下代码行：
+
+```python
+OLD_GPU, USE_FLASH_ATTN, MATH_KERNEL_ON = get_sdpa_settings()
+```
+
+替换为：
+
+```python
+OLD_GPU, USE_FLASH_ATTN, MATH_KERNEL_ON = True, True, True
+```
+
+以放宽注意力内核设置，使用 Flash Attention 以外的其他内核。
+
+
+
+
+
+出现 Error compiling objects for extension
+
+
+
+您可能会看到如下错误日志：
+
+> unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2022 (inclusive) are supported! The nvcc flag '-allow-unsupported-compiler' can be used to override this version check; however, using an unsupported host compiler may cause compilation failure or incorrect run time execution. Use at your own risk.
+
+这可能是因为您的 CUDA 和 Visual Studio 版本不兼容（另请参阅 stackoverflow 中的讨论：https://stackoverflow.com/questions/78515942/cuda-compatibility-with-visual-studio-2022-version-17-10）。
+您可以尝试在 [setup.py](https://github.com/facebookresearch/sam2/blob/main/setup.py) 第 48 行之后添加 `-allow-unsupported-compiler` 参数来修复此问题。
+添加参数后，`get_extension()` 将如下所示：
+
+```python
+def get_extensions():
+ srcs = ["sam2/csrc/connected_components.cu"]
+ compile_args = {
+ "cxx": [],
+ "nvcc": [
+ "-DCUDA_HAS_FP16=1",
+ "-D__CUDA_NO_HALF_OPERATORS__",
+ "-D__CUDA_NO_HALF_CONVERSIONS__",
+ "-D__CUDA_NO_HALF2_OPERATORS__",
+ "-allow-unsupported-compiler" # 添加此参数
+ ],
+ }
+ ext_modules = [CUDAExtension("sam2._C", srcs, extra_compile_args=compile_args)]
+ return ext_modules
+```
+
+
diff --git a/README.md b/README.md
index 85a7eb958..cb270f1f4 100644
--- a/README.md
+++ b/README.md
@@ -49,7 +49,7 @@ Note:
2. The step above requires compiling a custom CUDA kernel with the `nvcc` compiler. If it isn't already available on your machine, please install the [CUDA toolkits](https://developer.nvidia.com/cuda-toolkit-archive) with a version that matches your PyTorch CUDA version.
3. If you see a message like `Failed to build the SAM 2 CUDA extension` during installation, you can ignore it and still use SAM 2 (some post-processing functionality may be limited, but it doesn't affect the results in most cases).
-Please see [`INSTALL.md`](./INSTALL.md) for FAQs on potential issues and solutions.
+Please see [`INSTALL.md`](./INSTALL.md) for FAQs on potential issues and solutions. A Chinese version of the installation guide is also available: [`INSTALL_zh.md`](./INSTALL_zh.md).
## Getting Started