【已经解决诸多问题】Mamba安装

mamba被称为新一代的计算架构，因此在CV和时序领域存在诸多的方案开始采用这一新架构，但是这个架构的安装过程中存在诸多问题！！！！为了更好帮助大家理解我们给出一个统一的安装流程！！！

1.准备conda环境 ☕️

• conda 创建环境😊

(base) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~conda create -n mamba python=3.10.13

• 激活conda环境🤔

(base) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~conda activate mamba

2. 准备相关依赖（以Vision Mamba为例子）👀

• 安装针对VM依赖

conda install cudatoolkit==11.8 -c nvidia
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc
conda install packaging
pip install -r vim_requirements.txt

这里有一些细节：

• 1. 首先下载pytorch时候不要换源，使用其它源可能下载非对应cuda版本的torch版本，这个可能会造成 ImportError: libcudart.so.11.0: cannot open shared object file: No such file or directory
• 2. 下载完成后使用nvcc -V

(mamba) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~# nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Tue_Feb_27_16:19:38_PST_2024
Cuda compilation tools, release 12.4, V12.4.99
Build cuda_12.4.r12.4/compiler.33961263_0

• 3. 校验torch版本，一定注意对应的cuda版本

import torch
print(torch.__version__)  # 应输出类似 2.1.1+cu118
print(torch.cuda.is_available())  # 应输出 True

请确保上面的内容都对应才继续下一步

3. 安装Mamba🐍

• ⚠️⚠️⚠️注意⚠️⚠️⚠️
  • 安装顺序：Mamba依赖causal_conv1d，因此必须先安装causal_conv1d然后在安装mamba_ssm；
  • 安装方式：==不要走setup安装，这种安装大概率失败，出现错误后网上很多教程教你怎么解决，解决了之后当你运行会出现更多问题，因此不要给自己找事儿，==🔥🔥🔥直接走whl安装！！！直接走whl安装！！！直接走whl安装！！！🔥🔥🔥
  • 安装平台：本文的安装平台主要是linux下，windows下坑非常多，建议使用服务器安装（有些租赁网站免费送5元）；
• 资源位置（寻找资源时候注意二者版本，如果不知道建议先走本文档的版本）
  • causal_conv1d：github.com/Dao-AILab/causal-conv1d ---- 无法访问github资源下载
  • mamba_ssm: github.com/state-spaces/mamba — 无法访问github资源下载
• 将这些资源上传到服务器上

(mamba) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~# ls -l
total 15645
-rw-r--r--  1 root root  13531337 May 18 13:58 causal_conv1d-1.1.3+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl
-rw-r--r--  1 root root 146669865 May 18 13:59 mamba_ssm-1.1.1+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

• 通过轮子下载(注意conda切换到指定的环境下)

(mamba) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~# pip install causal_conv1d-1.1.3+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl 
(mamba) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~# pip install mamba_ssm-1.1.1+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

• 下载好运行即可

import torch
from mamba_ssm import Mamba
from einops import rearrange# 初始化模型
model = Mamba(d_model=16, d_state=16, d_conv=4, expand=1).cuda()# 创建输入张量 - 注意形状应为(batch_size, sequence_length, d_model)
x = torch.randn(1, 32, 16).cuda()# 前向传播
y = model(x)
print("Mamba forward pass successful:", y.shape)

输出：

(mamba) root@sxkpascxvokvhsow-snow-6f8c7cf6d4-k65q9:~# python test.py 
Mamba forward pass successful: torch.Size([1, 32, 16])

有问题请留言，大家可以一起解决！！！！