---

前言

VideoMamba环境的配置折磨了我三天，由于Mamba对Cuda的版本有要求，因此配置环境的时候Cuda版本以及各种包的版本问题是最需要注意的，下面我来一步一步的演示如何配好VideoMamba模型的运行环境。

第一步：基本的环境创建

创建python版本为3.10.13的conda环境，在这里我将环境命名为videomamba。

conda create -n videomamba python=3.10.13

激活创建的环境。

conda activate videomamba

然后安装版本为11.8的CUDA。

conda install cudatoolkit==11.8 -c nvidia

安装版本2.1.1的pytorch。

pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118

安装版本为11.8的cuda-nvcc库。

conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc

第二步：causal-conv1d和mamba_ssm库的安装

大多数的教程都是直接pip安装这两个库，但是直接安装的方式基本不可能安装成功，所以采用离线安装的方式来装。

pip install causal-conv1d
pip install mamba_ssm

首先下载用于离线安装causal-conv1d的whl文件，下载链接: causal-conv1d
在这里我下载的是causal_conv1d-1.1.3+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl，好像mamba环境对这个报的版本的要求不是很苛刻，只要保证包的版本高于1.1.0就行，但是还是建议和我的版本保持一致。
然后下载用于离线安装mamba_ssm的whl文件，下载链接: mamba_ssm，在这里，我下载的是mamba_ssm-1.1.1+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl。
然后安装两个whl

pip install causal_conv1d-1.1.3+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl
pip install mamba_ssm-1.1.1+cu118torch2.1cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

注意在这里安装的mamba_ssm的环境运行videomamba代码是会报错的，所以我们需要把videomamba代码中的mamba文件夹下的mamba_ssm文件夹替换到我们配置的python环境中，具体如下：
首先我们去anaconda3/envs/videomamba/lib/python3.10/site-packages/找到mamba_ssm文件夹，然后删除它
接着，我们将VideoMamba-main/mamba下的mamba_ssm文件复制到anaconda3/envs/videomamba/lib/python3.10/site-packages/，这样我们的环境就配好了，其中VideoMamba-main是videomamba的github上的项目名。

第三步：安装requirements.txt

这里两个特别需要注意的两个包：apex==0.1和xformers==0.0.24。
对于apex包，我们直接使用pip安装会失败，所以也需要离线安装，下载链接: apex。
然后手动安装

python setup.py install

对于xformers==0.0.24包，官方给的requirements.txt文件中的版本是0.0.24，但是安装0.0.24的包会自动将我们安装的torch包更新为2.2版本的，导致配的环境出现问题，因此我们需要安装0.0.23版本的包，这样就不会更新torch包了。
将原始的requirements.txt文件中的xformers==0.0.24改为xformers==0.0.23，然后直接安装就行了。

pip install -r requirements.txt