Mamba_0">Mamba的配置要求

• Linux
• NVIDIA GPU
• PyTorch 1.12+
• CUDA 11.6+
• https://github.com/state-spaces/mamba

个人版本：

• 通过Windows中的WSL来实现linux环境
• CUDA 12.4
• PyTorch 2.5.1
• Python 3.9+

WSL_11">1、下载并配置WSL

• 微软应用商店搜索wsl选择合适的ubuntu版本进行下载
• 在主板Bios中开启虚拟化功能，貌似是在高级->cpu中
• 在windows功能中开启Hyper-V，里面的管理工具和平台都要勾选，以及勾选适用于Linux的Windows子系统选项。
• 如果遇到报错信息，在windows的cmd中使用wsl --update命令，再尝试打开wsl进行用户名和密码的相关配置。
• 在使用apt命令前，更新一下apt，apt-get update

WSL_17">2、使用VSCode远程连接到WSL

• 在vscode中搜索wsl或wsl remote拓展进行安装，安装完后会出现远程资源管理器选项，在其中选择wsl进行连接和配置。
• 新建终端，就可以在linux环境下运行终端了，并且左下角会显示wsl的连接情况和ubuntu的版本。

3、安装CUDA（内含NVCC, 无需额外下载）

• 在linux终端使用nvidia-smi命令查看cuda和显卡信息，如果没有，则安装cuda。
• 去cuda的官网，选择合适的配置进行下载，CUDA12.4下载链接
• gcc相关错误：apt-get update, sudo apt install gcc
  
• 安装完成后通过nvidia-smi和nvcc --version来查看是否安装成功以及安装版本和显卡信息。
• 踩坑记录：
  • 当你下载好文件，并运行文件时，会跳出一个让你同意的协议，但是vscode的终端中可能由于显示高度太短，只有协议，而没有同意选项，你可以把终端的高度拉高或者在windows的终端中进入wsl，然后再重新安装下载的文件，这时就可以输入accept来同意了。
  • 安装好后，当运行nvcc --version时，提示你找不到nvcc的命令，千万不要按照他的提示来，而是要更改下环境变量，请运行以下命令
    • export PATH=/usr/local/cuda-12.4/bin${PATH:+:${PATH}}
    • 这个cuda-12.4是你安装的cuda的版本号，目前最新是cuda-12.6，具体的文件名称可以去linux文件管理器中去看
  • 如果不慎运行了他提示的命令怎么办？
    • sudo apt-get --purge remove "*cuda*" "*cublas*" "*cufft*" "*cufile*" "*curand*" \ "*cusolver*" "*cusparse*" "*gds-tools*" "*npp*" "*nvjpeg*" "nsight*" "*nvvm*"
    • sudo apt-get autoremove --purge -V
    • 上述为卸载命令，然后再重新安装即可。
  • 具体文档可以查阅适用于 Linux 的 NVIDIA CUDA 安装指南

4、安装Python3

• 使用python3 --version查看python3的版本，如果没有则进行安装
• sudo apt-get update
• sudo apt-get install python3-pip

5、安装PyTorch

• pytorch2.5.1下载链接
  

6、在Linux终端中运行以下代码，检查是否全部安装成功

• python3
• import torch
• torch.cuda.is_available()
• //如果为true就是成功了
• exit()退出python

Mamba_50">7、Mamba启动！

• git clone https://github.com/state-spaces/mamba.git
• cd mamba
• pip install .

8、Anaconda安装

• 报错conda: command not found：需要安装Anaconda来解决，去官网填写邮件后下载。
• Anaconda下载
• 在Wsl环境下，我们要下载的是Linux版本
• 将下载好的文件，移动到linux磁盘下的home->username目录下，然后到对用的目录去运行
• sh Miniconda3-latest-Linux-x86_64.sh, sh后面跟的是对应的文件名

Mamba_60">9、U-Mamba启动！

• 项目地址：https://github.com/bowang-lab/U-Mamba
• 创建虚拟环境：conda create -n umamba python=3.10 -y
• 激活环境：conda activate umamba
• 安装causal-conv1d：pip install causal-conv1d，这步可能会出错，wget命令也会报404 Not Found，替代办法是直接在github仓库直接下载这个文件，然后放到linux磁盘下的home->username目录下，然后到对应的目录去运行pip install 对应下载的文件名。causal-conv1d仓库链接
• 安装Mamba：其实我们在第7条中已经安装mamba了，官方文档中的pip install mamba-ssm --no-cache-dir会报404错误。
• 验证是否安装成功：
  • python3
  • import torch
  • import mamba_ssm
  • 没报错就是安装上了
  • exit()
• 下载U-Mamba代码：git clone https://github.com/bowang-lab/U-Mamba
• 安装依赖：pip install -e .
• 将数据集按照格式要求放好，就可以按照项目地址的命令开始训练了

10、连接github太慢，超时，443错误

• 方法很多，但不一定有用，比如设置代理
  • git config --global http.proxy
  • git config --global https.proxy

11、pip 太慢，超时(换清华源)

• pip install pip -U
• pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

12、npm太慢，超时（换淘宝源）

• npm config set registry https://registry.npmmirror.com