1.前言

Mamba是近年來在深度學習領域出現的一種新型結構，特別是在處理長序列數據方面表現優異。在本文中，我將介紹如何在 Linux 系統上安裝并配置 mamba_ssm 虛擬環境。由于官方指定mamba_ssm適用于 PyTorch 版本高于 1.12 且 CUDA 版本大于 11.6 的環境。本示例中，我們使用的是 Python 3.8、PyTorch 2.2.2 和 CUDA 11.8，此外，我們還將安裝 mamba_ssm 1.1.3 和 causal-conv 1.1.3。

由于官方給出的whl文件僅支持Linux系統，因此本文也是基于LInux系統的操作！！！

2.準備工作

• 操作系統：Linux 系統（以Ubuntu為例）

• PyTorch 版本：2.2.2

• CUDA 版本：11.8

• Python 版本：3.8

• mamba_ssm：1.1.3

• causal-conv：1.1.3

3.安裝流程

3.1. 創建虛擬環境

首先，我們需要創建一個虛擬環境來安裝依賴包。我們將使用 Python 3.8 創建環境，并命名為 Mamba_py38。

conda create -n Mamba_py38 python=3.8

激活新創建的虛擬環境：

conda activate Mamba_py38

3.2. 安裝 GPU 版本的 PyTorch

接下來，我們將安裝適用于 CUDA 11.8 的 PyTorch 2.2.2 版本。可以去Pytorch官方網站中復制安裝指令。（過程可能有點慢，安裝不成功可以多嘗試幾次）

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia

3.3. 安裝 mamba_ssm 和 causal-conv

由于這兩個包直接pip install安裝不能實現，我們將下載它們的 .whl 文件，并使用 pip 離線安裝。

步驟：

3.3.1.下載 mamba_ssm 和 causal-conv 的 .whl 文件（不想下載的也可以私信我，直接發你whl文件）。

• 訪問 mamba_ssm release page 和 causal-conv release page，這里我選擇的都是1.1.3的版本，注意一定要保證這兩個包的版本一致！！！

• 選擇與你的環境兼容的 .whl 文件，這里我的環境中裝的是Python 3.8、PyTorch 2.2.2 和 CUDA 11.8。

3.3.2.使用 pip 離線安裝這兩個包：

首先要在終端進入到兩個whl文件所在的路徑，比如現在兩文件的目錄是：/home/zp/mfb/app_app/。

我需要在終端輸入：cd mfb/app_app/

接著就分別安裝：pip install +文件名

pip install causal_conv1d-1.1.3+cu118torch2.2cxx11abiFALSE-cp38-cp38-linux_x86_64.whl

和

pip install mamba_ssm-1.1.3+cu118torch2.2cxx11abiFALSE-cp38-cp38-linux_x86_64.whl

4. 安裝必要的包

我們還需要安裝一些常用的 Python 庫，確保我們的開發環境中具備繪圖、數據處理等功能。以下是所需包及其版本（都已經驗證過與環境適配）：

pip install matplotlib==3.7.0 
pip install numpy==1.24.3 
pip install pandas==1.2.0 
pip install tensorboard==2.14.0 
pip install einops==0.8.1

5.總結

通過上述步驟，已經成功創建了一個可以使用Mamba的虛擬環境。

# 測試 
from causal_conv1d import causal_conv1d_fn, causal_conv1d_updatefrom mamba_ssm.ops.triton.selective_state_update import selective_state_update

---

有時間會更新安裝視頻，敬請期待！

撰寫不易，喜歡的話，贊同收藏點贊支持下吧！

有問題私信或評論，看到會第一時間回復！

關注我，持續更新科研學習過程中遇到的問題！