yyywxk的博客

本人编译好的Windows 下的适用于Vim的whl 也有：（Vim）（cuda12.8）mamba-ssm-1.1.1-cp310-cp310-win-amd64.whl （只适用于torch 2.8，cuda12.8，python 3.10，GPU算力12.0）或者 优惠地址 以及 【全家桶】。），实测发现其需要的cuda及torch版本非常高，原来的博客环境无法兼容，甚至于这些源码的官方代码都无法兼容这么高的算力平台（最高只到9.0），因此再次更新编译，主要流程与之前博客 “

Mamba-Yolo （AAAI 2025）是《》一文中提出的，在Yolo v8中加入VMamba模块的Yolo算法。。很多同学通过博客《》找到笔者询问安装包等相关事宜，由于原文作者的环境是本人配置，原文博客未解释清楚原理，特此叙述。

利用 调用模型时会用到 的相关包，如在下载Tokenizer的时候：或者下载stable diffusion 模型时：会出现以下报错：原因是 HuggingFace的官网在境内无法访问。博客【出现了HTTPSConnectionPool(host=‘huggingface.co‘, port=443)错误的解决方法】给出了两种解决方案。最好的方法是利用国内镜像，在代码的开头设置环境变量：但是实测发现，os.environ这个语句必须要在import huggingface库相关语句之前执行。

利用 conda 安装某包。

之后，终于实现了 mamba / vim / vmamba 在Windows下，无需更改重要代码，直接运行程序。源码有误，过于老旧且不兼容，causal-conv1d版本应≥1.1.0，其他部分还是参考原来的博客。其他环境时，将 vim/vim_requirements.txt 里面的triton版本注释掉。2）在执行最后一步编译之前，还是需要修改，参考本人原来博客 “在执行最后一步编译之前，还是需要修改，参考本人原来博客 “”，不过有可能会遭遇问题，需要先。环境准备，下载工程文件，即。

由于本人第一篇博客Mamba 环境安装踩坑问题汇总及解决方法（初版）Linux和Windows的问题夹杂，vim 和 mamba 夹杂不易查询，重新整理在Linux下Vim所有安装过程中可能出现的问题。。注意，Vim （Vision Mamba）和 Vmamba （）虽然都是基于mamba，但是它们不是同一篇！如果遇到其他问题，都可以参考本系列博客。

收集记录平时遇到的一些与torch 环境相关的错误。

vcredist 是必需的（也称为“Visual C++ Redistributable for Visual Studio 2015-2022”，有大神强行在Windows平台上编译了 triton 的whl，参考博客【等功能均无法像Linux下正常运行，上述安装包只是从形式上完成编译。】，在下载路径下 pip install 安装 whl 文件即可。注意只需要下载单个组件，无需安装Visual Studio。但是，实测上述安装包里面 triton 核心的。修改环境变量，请参考博客：【

在用matplotlib。

由于本人第一篇博客Mamba 环境安装踩坑问题汇总及解决方法（初版）Linux和Windows的问题夹杂，不易查询，重新整理在Linux下所有安装过程中可能出现的问题。

导航Mamba 及 Vim 安装问题参看本人博客：Mamba 环境安装踩坑问题汇总及解决方法Windows 下 Mamba 的安装参看本人博客：Window 下Mamba 环境安装踩坑问题汇总及解决方法 （无需绕过selective_scan_cuda）Windows 下 Vim 安装问题参看本人博客：Window 下 Vim 环境安装踩坑问题汇总及解决方法Linux 下Vmamba 安装教程参看本人博客：Vmamba 安装教程（无需更改base环境中的cuda版本）Windows 下 VMam

利用 PyQt5 编写可视化界面是较为普遍的做法，但是使用全新UI版本的 Pycharm 修改之前正常的UI文件时，在没有动其他代码的情况下发现出现以下报错。

- 问题描述在很多使用 matplotlib 库的代码中出现了 matplotlib.use('agg') 的语句。有些博客认为1，在导入matplotlib库后，且在matplotlib.pyplot库被导入前加“matplotlib.use(‘agg’)”语句的作用是在PyCharm中不显示绘图。例如1：import numpy as npimport matplotlibmatplotlib.use('agg') import matplotlib.pyplot as plt # matpl

基础上，不绕过selective_scan_cuda进行 Vim 环境安装，这样可以获得和 Linux 一样的速度。注意，Vim （Vision Mamba）和 Vmamba （官方没有编译好的适用于Windows版本的 whl，因此需要用上述步骤来手动编译。由于此时没有绕过selective_scan_cuda，在虚拟环境中产生了。也可以直接强行利用Vim的源码进行编译。既可以在安装完原版的基础上再修改相应环境（的源码进行了修改，所以其与原版有不同。文件，所以运行速度较快。）中的源码文件，参考“

时，按照官方的安装命令会遇到各种各样的错误，Linux 版本的问题可参考本人之前的博客——，本篇主要聚焦于 Windows 下 Vmamba 环境的安装，主要参考。最近有不少小伙伴在 Linux 上安装 Vmamba （因此，只需在四个文件下加入以下代码即可。出现这种情况的原因，可参考。具体文件和步骤参看前一节。具体步骤参看前一节。

将 anaconda环境下的 lib/python3.6/site-packages/torch/utils/cpp_extension.py文件里的[‘ninja’,‘-v’]改成[‘ninja’,‘–v’] 或者[‘ninja’,‘–version’] 是错误的做法，治标不治本。这是最基本的报错信息，只要编译出错就会输出这些，如果在其上面没有看到具体报错，可在。，禁用掉可以看到具体的报错，但是编译速度实测会变慢，所以解决bug后可以改回来。pytorch默认使用ninjia作为backend。

下面分别是 CUDA 12.1 和 CUDA 11.8 两种环境的安装，由于此时 CUDA 的内核以及相关文件均安装在虚拟环境中，可以不考虑base环境里 CUDA 的版本。），但是有些问题无法解决，特此汇总。注意，即使base环境中安装的 CUDA 版本过低，也不影响 Mamba，Vim 以及 VMamba 环境的正常安装。因此，本段输出开头和结尾的报错信息毫无用处，需要重点查看中间部分的报错输出。，原因同报错3，但此时 nvidia 下已经找不到对应的包了，出现报错的位置变成了 Python。

OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'

先使用–clone命令复制一份老环境，然后改名并删除老环境。但是，如果原始环境比较大，clone的时间会比较长。

首先，检查GPU显存是否足够。如果显存不足，可以尝试减小批量大小、优化模型结构以减少参数数量，或者使用多个GPU进行模型训练。其次，需要确保使用的PyTorch版本与cuDNN库版本兼容。如果版本不兼容，可以尝试更新PyTorch或cuDNN库来解决该问题。最后，应该检查GPU驱动程序是否稳定和兼容。确保使用的GPU驱动程序是最新版本，并与其他相关软件兼容。如果问题仍然存在，可以尝试降低GPU的工作频率。

某些网友出现了“gcc 版本中的so文件与anaconda 中scipy冲突”、 pandas 冲突等。，但是并没有真正的解决问题，也没有必要。需要根据报错提示中涉及到的包具体问题具体分析。提示错误gcc 版本中的so文件与anaconda 中的包冲突。，一些依赖包的版本可能出了问题，导致不匹配。譬如在笔者遇到的问题中，涉及到的包是。，也均是通过重新安装相应的包解决问题。成功结果问题，不再报错。很多网上的方法都是手动配置链接。可能会卸载更多的相关包）

最近Mamba有关的论文引起了众多人的关注，虽然Mamba论文自身被ICLR 2024拒稿，但是其衍生的模型层出不穷，诸如和等。；）时，发现按照他们给的安装方法安装时会遇到非常多的bug，主要集中在和mamba-ssm上，原因都是问题，特此记录。

笔者在平台跑一个在Ubuntu上运行正常的程序时，出现了以下报错：。

RuntimeError: CUDA error: an illegal memory access was encounteredGPU负载

为了避免不必要的麻烦，有些博客说的方法是对的，即在import之前配置好GPU。（注意，它们所说的需要在之前设置其实实测不影响。）在命令行或者.sh文件里，在运行.py文件前直接指定GPU，其他方法可参考Pytorch 指定GPU。

问题描述：在运行 PyTorch 代码时遇到以下 Bug：/opt/conda/conda-bld/pytorch_1634272128894/work/aten/src/ATen/native/cuda/NLLLoss2d.cu:95: nll_loss2d_forward_kernel: block: [0,0,0], thread: [225,0,0] Assertion `t >= 0 && t < n_classes` failed...loss.backwa

问题描述：笔者在训练一个深度学习网络时，发现使用不同的PyTorch版本运行同一个训练代码，训练出来的网络结果差异巨大。具体来说，笔者训练得到的结果如下所示：PyTorch版本Torchvision版本测试结果1.20.4.082.580171.50.6.083.118471.60.7.074.977951.100.11.168.33818网络的参数以及训练的设置完全相同，但是却得到了差异巨大的结果。原因分析：发现在 Torchvisi

目录- 问题描述- 原因探寻- 解决方法- 方法一：- 方法二：- 方法三- 问题描述笔者在使用 pytorch=1.10.0, torchvision=0.11.1 的环境运行代码时，运行到语句 from torchvision.models.utils import load_state_dict_from_url 时会出现以下报错：>>> from torchvision.models.utils import load_state_dict_from_urlTraceba

目录前言1. opencv-python 与 opencv-contrib-python 的关系- 问题描述- 原因分析- 解决方法2. 人脸检测函数 detectMultiScale 调用后卡住，程序无法停止- 问题描述- 原因分析- 解决方法3. cv2.waitKey(0) 关闭窗口后程序不自动停止- 问题描述- 原因分析- 解决方法前言笔者在进行人脸识别实验时，调用了 cv2 模块的相关函数，但是在使用时遇到了一些问题，现记录如下。1. opencv-python 与 opencv-contr

PyTorch 加载和下载预训练模型可参考：pytorch预训练模型的下载地址以及解决下载速度慢的方法- 下载地址常用预训练模型在这里面：https://github.com/pytorch/vision/tree/master/torchvision/models但是上述网址只有常见的 backbone （vgg, resnet, densenet, alexnet），在 GitHub 上，还找到了一个项目，提供 NASNet, ResNeXt, ResNet, InceptionV4, Incep

NumPy 布尔索引布尔索引实现的是通过列向量中的每个元素的布尔型数值对一个与列向量有着同样行数的矩阵进行符合匹配。这种作用，其实是把列向量中布尔值为True的相应行向量给抽取了出来。...

- 问题描述使用 PyTorch 框架训练模型，训练第一个 epoch 时，在最后一个 batch 处卡死，卡了一天都没有动弹，而 CPU 和 GPU 都处于正常运行的状态，程序也没有报错，并且之前训练一直都是正常的。最终，只能通过 Ctrl+C 强制性暂停。如下图所示。- 可能的原因搜索文章发现，有人出现这种问题是和 cv2.imread 有关，用 OpenCV 的接口进行数据读取，而没有用 PIL，导致出现 OpenCV与Pytorch互锁的问题，关闭OpenCV的多线程即可解决问题1 2。但

在批量转换 json 文件时，出现以下报错：AttributeError: module ‘labelme.utils’ has no attribute ‘draw’类似的还可能出现：AttributeError: module ‘labelme.utils’ has no attribute 'draw_label’等错误。这是由于 labelme 版本的问题。高版本在 labelme 的utils文件夹里缺少 draw.py 文件。有如下解决方案：降低 labelme 的版本，可参

TensorboardX是在tensorboard的基础上做出来。因此很多文章[1][2]认为，它需要tensorflow支持，使用时应当安装TensorFlow。根据其github的介绍，也是需要安装TensorFlow。不过，我们不一定要在pytorch环境中安装TensorFlow，这样会显得很混乱。不安装TensorFlow时，执行：tensorboard --logdir=路径名...