Ubuntu和Windows系统之Mamba_ssm安装

Windows系统下Mamba-SSM避坑指南:从WSL配置到环境调优 本文详细介绍了在Windows系统下通过WSL配置Mamba-SSM的完整避坑指南,涵盖从WSL基础配置、Conda环境管理到深度学习工具链安装等关键步骤。针对Windows用户常见的Linux兼容性问题,提供了硬件加速、文件系统互通等解决方案,帮助开发者高效部署Mamba-SSM并优化性能。 阅读详情
AI摘要

本文详细介绍了Mamba_ssm在Ubuntu和Windows系统下的安装步骤,包括环境搭建、依赖包安装及测试代码运行,为用户快速上手提供便利。

Mamba的论文:https://arxiv.org/abs/2312.00752

Mamba的github:https://github.com/state-spaces/mamba

一、Ubuntu安装

直接新建一个环境是最好的,不然很容易产生各种冲突

# 创建环境和相关包
conda create -n mamba python=3.10.13
conda activate mamba
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
# 测试
python
import torch
torch.cuda.is_available()

# 安装conv1d和mamba
git clone https://github.com/Dao-AILab/causal-conv1d.git 
cd causal-conv1d 
git checkout v1.2.0 # current latest version tag 
CAUSAL_CONV1D_FORCE_BUILD=TRUE pip install .
cd ..
git clone https://github.com/state-spaces/mamba.git
cd ./mamba
git checkout v1.2.0 # current latest version tag
MAMBA_FORCE_BUILD=TRUE pip install .

中间只是需要等待一些时间,结束完就可以测试使用啦,官方提供的测试代码如下:

import torch
from mamba_ssm import Mamba

batch, length, dim = 2, 64, 16
x = torch.randn(batch, length, dim).to("cuda")
model = Mamba(
    # This module uses roughly 3 * expand * d_model^2 parameters
    d_model=dim, # Model dimension d_model
    d_state=16,  # SSM state expansion factor
    d_conv=4,    # Local convolution width
    expand=2,    # Block expansion factor
).to("cuda")
y = model(x)
assert y.shape == x.shape

二、Windows安装

  • 相关包下载

Mamba主要涉及到四个包,packaging、triton、conv1d、mamba,其中第一个是windows可用的,直接安装就行,后三个是linux版本,但是有大佬们提供了编译好的文件。

triton:https://hf-mirror.com/r4ziel/xformers_pre_built/blob/main/triton-2.0.0-cp310-cp310-win_amd64.whl

conv1d和mamba:Mamba-Packages,这里面也包括了triton。
【!!!注意:Windows下目前有问题,流程是这样没错,但是链接里提供的包安装后存在版本不对应现象,不想花积分的可以先不下载】

下载好三个.whl文件后,就可以开始一路安装了

  • 安装
# 环境创建和基础安装
conda create -n your_env_name python=3.10.13
conda activate your_env_name
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

# 包安装,记得先进入whl对应的目录
pip install triton-2.0.0-cp310-cp310-win_amd64.whl
pip install causal_conv1d-1.1.1-cp310-cp310-win_amd64.whl
pip install mamba_ssm-1.2.0.post1-py3-none-any.whl

接下来就是等待安装完毕

参考链接

Windows和Linux系统上的Mamba_ssm环境配置

(Windows傻瓜教程)Mamba安装以及问题汇总(Causal-Conv1d & Mamba-ssm)

Mamba 环境安装踩坑问题汇总及解决方法

Mamba 环境安装:causal-conv1d和mamba-ssm报错解决办法 在执行命令pip install causal_conv1d和 mamba_ssm 出错 阅读详情

相关推荐

解决causal_conv1d和mamba_ssm无法安装 -> 直接使用Mamba基础环境docker镜像

为了解决和mamba_ssm老是安装出错。包括但不限于各种 setup 不了,版本对不上…# 诸如所以直接建了个docker,但是还是有问题,最后按照 Mamba repoissue#55的方法总算是装上了。

weixin_44223180的博客 1万+

Mamba-ssm软件包安装

本文主要简单介绍了新型可用于深度学习的模型架构Mamba,记录了Mamba安装过程及安装遇到的报错信息以及如何解决,最终总结了如何顺利安装Mamba。

weixin_46846685的博客 1万+

WSL2环境搭建与深度学习开发环境配置指南

Windows Subsystem for Linux (WSL) 是微软推出的Linux兼容层,WSL2通过轻量级虚拟机技术实现了接近原生的Linux性能。相比传统虚拟机,WSL2具有启动速度快、资源占用低的特点,特别适合需要同时使用Windows和Linux的开发场景。在深度学习领域,WSL2可以完美支持CUDA加速计算,配合NVIDIA显卡实现高效的模型训练。通过配置清华镜像源、安装Miniconda和CUDA工具链,开发者可以在WSL2中快速搭建PyTorch、Mamba等深度学习框架的开发环境。本

weixin_30279671的博客 352

mamba的安装教程

【代码】mamba的安装教程。

weixin_69556916的博客 4560

从零到跑通VMamba:我用Docker+WSL2在Windows上复现了这篇Linux教程

本文详细介绍了如何在Windows系统上使用Docker+WSL2复现Linux环境,成功运行VMamba模型。从WSL2配置、Docker环境搭建到VMamba模型的具体部署和测试,提供了完整的解决方案和优化技巧,帮助开发者在Windows平台上高效进行AI开发。

weixin_28694169的博客 90

Windows系统下Mamba-SSM避坑指南:从WSL配置到编译成功

本文详细介绍了在Windows系统下通过WSL配置和编译Mamba-SSM的完整避坑指南。从WSL环境搭建、Conda虚拟环境配置到深度学习环境精准设置,逐步解决安装过程中的常见问题,帮助用户顺利完成Mamba-SSM的编译和验证。

weixin_42638178的博客 349

Mamba_ssm

Ubuntu和Windows系统之Mamba_ssm安装_mamba ssm ubuntu 安装。Ubuntu和Windows系统之Mamba_ssm安装_mamba ssm ubuntu 安装-优快云博客。

weixin_44012667的博客 661

Windows下配置Mamba环境全攻略:从原生到WSL2的完整实践

在深度学习领域,状态空间模型(SSM)正成为长序列建模的新宠,其核心优势在于将计算复杂度从Transformer的平方级降至线性级,同时保持对关键信息的长期记忆能力。Mamba作为基于SSM的新一代架构,通过选择性机制进一步提升了模型效率,尤其适合处理超长文本、时序预测等场景。然而在实际工程落地中,环境配置往往是第一道门槛——尤其是在Windows平台上,受限于CUDA编译工具链、编译器冲突以及官方支持缺失等问题,常常让开发者举步维艰。本文从序列建模的技术原理出发,系统梳理了在Windows上部署Mamba

weixin_33816821的博客 445

Mamba小白入门:Windows电脑一键跑通官方Mamba代码(TaoToken 统一 Key 版)

Windows 跑官方 Mamba 代码总卡在编译报错?本文用 WSL2 + Ubuntu 24.04 搭最小闭环,配好 PyTorch CUDA 与 mamba-ssm,再用 TaoToken 统一 Key 打通模型调用,一次前向推理验证输入输出形状一致即跑通。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_29155599的博客 237

mamba-ssm-1.2.0.post1-py3-none-any.whl

mamba_ssm-1.2.0.post1 Windows 下whl 直接 pip install 安装这个whl即可。 此为旧版本,计算缓慢,不要下载。 新版移步:https://blog.youkuaiyun.com/yyywxk/article/details/140420538

汇丰外包Java岗面试复盘:Zoom面1.5小时,从英语、粤语到现场敲代码的极限挑战

本文详细记录了汇丰银行外包Java岗位的面试全过程,包括多语言切换(英语、粤语)的技术沟通挑战和现场编码测试的实战经验。从高并发编程到JVM调优,面试不仅考察技术深度,更注重实战问题解决能力。文章分享了应对跨国银行技术面试的实用策略,帮助Java开发者在跨文化环境中提升竞争力。

weixin_42524824的博客 361

Windows WSL2搭建Linux Mamba环境适配50系显卡

这份文档涵盖了从的所有核心步骤。

qq_55670428的博客 1319

SRT公网点对点传输及搭建SRT流媒体服务器

SRT是一种开源传输技术,它是基于UDP协议的,与RTMP不同的是,它具有高码率低延迟的传输特性,加强了在复杂不稳定网络环境中的传输可靠性,提升了不可预测的网络环境上的流传输性能。它不像NDI那样只适用于局域网传输,它更适用于公网环境下的信号传输。 S代表Secure,即安全加密的视频流,R代表Reliable,即具有从数据严重丢包中恢复的可靠性,T代表Transport,即动态适应变化的网络状况。 在音视频数据包传输的过程中,SRT会检测并适应两个传输点之间的实时网络状况,有助于补偿由于网络的拥塞而引起的

罗宇。的媒体技术工作室 1万+

Mamba小白入门:Windows电脑一键跑通官方Mamba代码(TaoToken 辅助环境配置)

在Windows上跑Mamba官方代码常卡在causal-conv1d编译与Triton缺失,本文用WSL2+Ubuntu 24.04搭环境,配Python 3.12、PyTorch 2.7.1 CUDA版与mamba-ssm 2.3.2.post1,附可复制配置与报错对照,并用TaoToken统一调用通道,官网见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 。

weixin_34064233的博客 4

23种设计模式-代理(Proxy)设计模式

软考中级-软件设计师 代理设计模式

片言可决讼,半纸能缚龙 1781

使用 Python 构建 Reddit 热帖爬虫:抓取热门讨论帖和评论

在现代互联网中,Reddit 被誉为全球最大、最活跃的讨论平台之一,汇聚了各种主题的帖子、评论和社交互动。因此,抓取 Reddit 上的热门帖子和评论可以为我们提供一个丰富的文本数据源,可以用于情感分析、话题建模、趋势分析等应用。Reddit 提供了官方的 API,可以让开发者获取包括帖子、评论、用户信息等在内的各种数据。我们可以结合上述方法,抓取多个热门帖子,并将每个帖子的标题、作者、发布时间和评论内容保存到一个数据结构中。每个帖子的对象包含了丰富的信息,如标题、内容、发布时间、作者等。

2201_76125261的博客 381

从零部署MambaVision:WSL2+Ubuntu22.04+CUDA12.4避坑全指南

本文详细介绍了在WSL2+Ubuntu22.04环境下从零部署MambaVision模型的完整流程,包括CUDA12.4的正确安装、依赖环境配置以及模型验证测试。特别强调了驱动匹配、conda环境搭建和mamba_ssm编译等关键环节的避坑技巧,帮助开发者高效完成深度学习环境配置。

weixin_42534103的博客 361

YOLO26涨点改进| TGRS 2026 | 独家创新首发、注意力改进篇| 引入CSSCA频谱-空间交叉注意力,含多种创新改进,小目标检测、图像分割、高光谱图像分类、语义分割任务任务涨点

🔥本文提出CSSCA(频谱-空间交叉注意力)模块,通过中心像素引导的光谱与空间交叉注意力机制,有效提升YOLO26模型的特征表达能力。该模块实现了光谱与空间信息的协同优化,能够自适应强化关键通道与重要空间区域,增强模型对小目标和复杂场景的感知能力。文章详细介绍了CSSCA的网络结构、工作原理及四大优势,包括精准特征表达、协同信息优化、小样本适应性和轻量化设计。同时提供了完整的代码实现和四种改进方案的YAML配置文件,包括基础版、增强版、C3k2融合版和C2PSA融合版,为YOLO26模型的性能提升

Ai缝合怪、助力小伙伴高效发论文 264

windows wsl2 安装 使用 Mamba SSM

看这个博客(安装18.04LTS的Ubuntu),最后连接不上可以回来看我这里这个博客最后连接xrdp用的是127.0.0.13391是连不上的实际上。安装的Ubuntu是有一个内网ip的,我们需要知道这个内网ip才能连接。可以直接执行ifconfig然后看到图片中的eth0的inet(图中的ip地址我已经涂红了)然后连接的时候输入的是ip3391。

weixin_52740785的博客 1799

【Mode】FDE 求解器工作流程

Lumerical---FDE(Finite Difference Eigenmode) Solver

u011699626的博客 4940

基于深度学习的茶叶等级检测识别系统:YOLOv8 + UI界面 + 数据集完整实现

随着深度学习技术的不断进步,基于计算机视觉的茶叶等级检测系统可以大大提高检测效率,提供客观一致的评估标准。本系统将利用YOLOv8进行茶叶等级的检测与识别,通过图形用户界面(UI)实现与用户的交互,提供茶叶等级分类的实时反馈。本文将详细介绍如何使用YOLOv8结合UI界面,建立一个完整的茶叶等级检测与识别系统,包括数据集的准备、模型的训练、UI的设计及完整的代码实现。本系统的目标是通过深度学习技术,结合YOLOv8模型和图形用户界面(UI),实现对茶叶等级的自动化检测与识别。

YOLO 972

超详细Windows子系统(Wsl2)下安装Ubuntu22.04(cuda11.8)-MambaVision框架使用(自用版)

初衷是为了下载mamba使用,我找遍了网上教程,在Linux下安装后使用食用最佳,我也尝试过虚拟机,很麻烦,于是Pass。还是Wsl2下安装ubuntu22.04最香,我用一天时间就安装完毕成功跑通代码,跟着我的教程无论你要下载什么版本都类似。(其中我torch+mamba_ssm+causal_conv1直接装的最新,使用起来非常之香)

weixin_51949030的博客 2万+

移位寄存器——用Verilog实现串入串出、串并和并串转换并进行Modelsim仿真

用Verilog实现串并转换 首先我们先要了并串和串并转换的原理 并串转换:先将八位数据暂存于一个八位寄存器器中,然后左移输出到一位输出端口,这里可以通过一个“移位”来实现,相当于实现了移位寄存器的功能。 串并转换:新输入的位值成为原来数据的最低位,将原来数据的最高位舍去,这里可以通过一个简单的“连接符”来实现。 我们这里采用两种方式来进行串并转换 一:lsb优先 Least Significant Bit,最低比特,最低位优先 二:msb优先 Most Significant Bit,最高比特,

H19981118的博客 2万+

Windows下Mamba环境配置:用WSL2编译mamba-ssm全流程

状态空间模型(SSM)作为序列建模的新范式,以线性复杂度处理长序列的能力受到广泛关注。Mamba模型通过选择性扫描机制替代传统自注意力,在长文本、视频理解等任务中展现出高效能与强表现。然而其官方实现依赖CUDA自定义算子,在Windows原生环境编译常常受阻。借助WSL2这一轻量级Linux子系统,可以复用Windows GPU资源,并完整支持CUDA工具链,从而顺畅完成mamba-ssm的安装与验证。本文面向实际工程需求,提供一套从WSL2搭建、CUDA与PyTorch版本匹配到源码编译的完整流程,帮助深

weixin_34234829的博客 405

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

使用Windows WSL2搭建Linux Mamba环境

WSL2 mamba环境

Lt95625142的博客 3098

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

windows环境下mamba环境的配置参考整理与Causal_conv1d和mamba_ssm的编译好版本给出

mamba因为本身涉及到许多关于硬件加速,所以在windows环境下执行mamba可能获得的加速比较慢,然而在电脑上配置双系统略嫌麻烦,windows本身提供了一种支持linux运行的方式。在本文中主要针对参考的过程进行整理并给出博主编译之后的文件的下载链接,大家可以自取。

m0_74330049的博客 712

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

上一篇: pip install 可用镜像
下一篇: (4.2)Sourcegraph(Chrome插件)——github实现源码阅读
Netceor
博客等级 码龄9年 1046粉丝 306原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值