1.前言

Mamba是近年来在深度学习领域出现的一种新型结构，特别是在处理长序列数据方面表现优异。在本文中，我将介绍如何在 Linux 系统上安装并配置 mamba_ssm 虚拟环境。由于官方指定mamba_ssm适用于 PyTorch 版本高于 1.12 且 CUDA 版本大于 11.6 的环境。本示例中，我们使用的是 Python 3.8、PyTorch 2.2.2 和 CUDA 11.8，此外，我们还将安装 mamba_ssm 1.1.3 和 causal-conv 1.1.3。

由于官方给出的whl文件仅支持Linux系统，因此本文也是基于LInux系统的操作！！！

2.准备工作

• 操作系统：Linux 系统（以Ubuntu为例）

• 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.安装流程

3.1. 创建虚拟环境

首先，我们需要创建一个虚拟环境来安装依赖包。我们将使用 Python 3.8 创建环境，并命名为 Mamba_py38。

conda create -n Mamba_py38 python=3.8

激活新创建的虚拟环境：

conda activate Mamba_py38

3.2. 安装 GPU 版本的 PyTorch

接下来，我们将安装适用于 CUDA 11.8 的 PyTorch 2.2.2 版本。可以去Pytorch官方网站中复制安装指令。（过程可能有点慢，安装不成功可以多尝试几次）

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

3.3. 安装 mamba_ssm 和 causal-conv

由于这两个包直接pip install安装不能实现，我们将下载它们的 .whl 文件，并使用 pip 离线安装。

步骤：

3.3.1.下载 mamba_ssm 和 causal-conv 的 .whl 文件（不想下载的也可以私信我，直接发你whl文件）。

• 访问 mamba_ssm release page 和 causal-conv release page，这里我选择的都是1.1.3的版本，注意一定要保证这两个包的版本一致！！！

• 选择与你的环境兼容的 .whl 文件，这里我的环境中装的是Python 3.8、PyTorch 2.2.2 和 CUDA 11.8。

3.3.2.使用 pip 离线安装这两个包：

首先要在终端进入到两个whl文件所在的路径，比如现在两文件的目录是：/home/zp/mfb/app_app/。

我需要在终端输入：cd mfb/app_app/

接着就分别安装：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. 安装必要的包

我们还需要安装一些常用的 Python 库，确保我们的开发环境中具备绘图、数据处理等功能。以下是所需包及其版本（都已经验证过与环境适配）：

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.总结

通过上述步骤，已经成功创建了一个可以使用Mamba的虚拟环境。

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

---

有时间会更新安装视频，敬请期待！

撰写不易，喜欢的话，赞同收藏点赞支持下吧！

有问题私信或评论，看到会第一时间回复！

关注我，持续更新科研学习过程中遇到的问题！