本文主要是介绍Win和Linux的状态空间模型安装教程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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.whl2）、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
这篇关于Win和Linux的状态空间模型安装教程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
