目录

一、Linux系统安装

二、Win系统安装

1）、安装causal_conv1d

1、第一种方法

2、第二种方法（感觉可靠）

3、第三种方法：直接下载大神编译好的文件进行安装

2）、安装mamba-ssm

1、第一种方法

2、第二种方法：直接下载大神编译好的文件进行安装

---

一、Linux系统安装

如果自己的系统不是cuda11.8，那么需要先创建一个新环境来安装对应的cuda版本：

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

如果已经是对应的cuda11.8版本了，就可以直接安装mamba了：

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 .

有一些教程写了两中安装（我们按照上面的来即可，这里只是记录下）：

pip install . # 方式一，下载whl安装，两种方式选择一个即可
MAMBA_FORCE_BUILD=TRUE pip install . # 方式二，强制在本地编译安装，Win 下无法识别此命令

注意：安装过程可能比较长，耐心等待即可。另外，以上是基于conda环境安装的。

下面是一些注意事项参考：

pip check numpy #检查numpy在当前环境中的兼容性
conda search cudatoolkit --info #查看当前源中可用的cuda版本
conda install cudatoolkit==11.8 -c nvidia #调一个cuda安装，版本号要写完整
conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc # 要安装对应的cudnn

最直接的安装，可以利用网友配置好的Docker环境 -＞ 直接使用Mamba基础环境docker镜像。
DockHub仓库地址：https://hub.docker.com/repository/docker/kom4cr0/cuda11.7-pytorch1.13-mamba1.1.1/general
代码：docker pull kom4cr0/cuda11.7-pytorch1.13-mamba1.1.1:1.1.1

参考：conda环境内安装cuda 和 Mamba的安装

二、Win系统安装

安装系统要求：cuda11.8、python3.10

同样的，如果cuda版本不对应，需要在虚拟环境中安装（创建虚拟环境并且安装cudatoolkit==11.8，这样在虚拟变量中会额外有一个cuda版本（比较便捷），后面的cuda-nvcc一定要加，不然当前虚拟环境可能找不到对应的cuda版本）：

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-nvccconda install packaging

关于win系统的安装，首先安装Triton，这个是linux系统，但是有人编译好了：triton-2.0.0-cp310-cp310-win_amd64.whl

注意：安装前没有packaging的需要先安装（还有Triton也是）：

conda install packaging

安装完成后，安装causal_conv1d和mamba：

1）、安装causal_conv1d

安装该文件网上有几种方法，下面我将一一展示，可以尝试一下（最后一种必定成功）：

1、第一种方法

 下载文件：causal-conv1d

将setup.py文件中的代码进行修改：

FORCE_BUILD = os.getenv("CAUSAL_CONV1D_FORCE_BUILD", "FALSE") == "TRUE"
SKIP_CUDA_BUILD = os.getenv("CAUSAL_CONV1D_SKIP_CUDA_BUILD", "FALSE") == "TRUE"
# For CI, we want the option to build with C++11 ABI since the nvcr images use C++11 ABI
FORCE_CXX11_ABI = os.getenv("CAUSAL_CONV1D_FORCE_CXX11_ABI", "FALSE") == "TRUE"# 修改为：
FORCE_BUILD = os.getenv("CAUSAL_CONV1D_FORCE_BUILD", "FALSE") == "FALSE"
SKIP_CUDA_BUILD = os.getenv("CAUSAL_CONV1D_SKIP_CUDA_BUILD", "FALSE") == "FALSE"
# For CI, we want the option to build with C++11 ABI since the nvcr images use C++11 ABI
FORCE_CXX11_ABI = os.getenv("CAUSAL_CONV1D_FORCE_CXX11_ABI", "FALSE") == "FALSE"

然后cmd执行下面命令：

pip install .

2、第二种方法（感觉可靠）

在git（没有的话在git_download中进行下载）进行安装，因为在windows terminal中识别不到命令行：

CAUSAL_CONV1D_FORCE_BUILD=TRUE pip install .

按照这个步骤安装causal-conv1d应该不是什么大问题

3、第三种方法：直接下载大神编译好的文件进行安装

下载连接：causal_conv1d-1.1.1-cp310-cp310-win_amd64

下载后，直接在cmd中pip安装即可：

pip install causal_conv1d-1.1.1-cp310-cp310-win_amd64.whl

2）、安装mamba

安装该文件网上有几种方法，下面我将一一展示，可以尝试一下（最后一种必定成功）：

1、第一种方法

下载mamba：Mamba SSM

在mamba源码的 setup.py 修改配置：

FORCE_BUILD = os.getenv("MAMBA_FORCE_BUILD", "FALSE") == "TRUE"
SKIP_CUDA_BUILD = os.getenv("MAMBA_SKIP_CUDA_BUILD", "FALSE") == "TRUE"# 修改为：
FORCE_BUILD = os.getenv("MAMBA_FORCE_BUILD", "FALSE") == "FALSE"
SKIP_CUDA_BUILD = os.getenv("MAMBA_SKIP_CUDA_BUILD", "FALSE") == "FALSE"

在mamba_ssm/ops/selective_scan_interface.py 进行修改（有些教程没有这一步，可以自己尝试是否有必要）：

def selective_scan_fn(u, delta, A, B, C, D=None, z=None, delta_bias=None, delta_softplus=False,return_last_state=False):"""if return_last_state is True, returns (out, last_state)last_state has shape (batch, dim, dstate). Note that the gradient of the last state isnot considered in the backward pass."""return SelectiveScanFn.apply(u, delta, A, B, C, D, z, delta_bias, delta_softplus, return_last_state)def mamba_inner_fn(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,out_proj_weight, out_proj_bias,A, B=None, C=None, D=None, delta_bias=None, B_proj_bias=None,C_proj_bias=None, delta_softplus=True
):return MambaInnerFn.apply(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,out_proj_weight, out_proj_bias,A, B, C, D, delta_bias, B_proj_bias, C_proj_bias, delta_softplus)# 修改为：
def selective_scan_fn(u, delta, A, B, C, D=None, z=None, delta_bias=None, delta_softplus=False,return_last_state=False):"""if return_last_state is True, returns (out, last_state)last_state has shape (batch, dim, dstate). Note that the gradient of the last state isnot considered in the backward pass."""return selective_scan_ref(u, delta, A, B, C, D, z, delta_bias, delta_softplus, return_last_state)def mamba_inner_fn(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,out_proj_weight, out_proj_bias,A, B=None, C=None, D=None, delta_bias=None, B_proj_bias=None,C_proj_bias=None, delta_softplus=True
):return mamba_inner_ref(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,out_proj_weight, out_proj_bias,A, B, C, D, delta_bias, B_proj_bias, C_proj_bias, delta_softplus)

然后直接mamba文件下进行安装即可：

pip install .

2、第二种方法：直接下载大神编译好的文件进行安装

下载连接：mamba_ssm-1.2.0.post1-py3-none-any

下载后，直接在cmd中pip安装即可：

pip install mamba_ssm-1.2.0.post1-py3-none-any.whl

参考：Mamba安装、Mamba 环境