2025 MambaVision环境配置记录（wsl2，ubuntu22.04，CUDA12.4）
#工作记录#
本文利用mamba vision进行分类任务配置
许多步骤参考了这篇文章：超详细Windows子系统（Wsl2）下安装Ubuntu22.04（cuda11.8）-MambaVision框架使用（自用版）
之前为了跑vision mamba安装了cuda11.8和配套的pytorch，最后发现可能是cuda11.8与我的驱动不匹配（之前只知道cuda要求驱动下限，这次才知道有上限要求），不想降低驱动遂换了一个项目
在终端输入nvidia-smi查看windows配置，发现支持12.X，看了MambaVision的requiment，它安装的是12.4，我的配置可以支持
ubuntu22.04安装（利用wsl2）
wsl2 ubuntu22.04和anaconda安装可以参考这个
wsl2安装 深度学习环境配置！同时拥有ubuntu的高效和windows的便捷！
安装后进行ubuntu换源
vim /etc/apt/sources.list输入I进入编辑，将里面内容全部注释，换成清华源（当然也可以是别的源）
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse然后esc退出编辑，输入:wq保存，输入以下内容更新一下
sudo apt-get update
sudo apt-get upgradeanaconda安装
具体安装如上链接也呈现了
在安装anaconda之后还需要配置一下环境变量配置
vim ~/.bashrc输入I进行bashrc的编辑，在末尾输入如下内容
export PATH=$PATH:/home/***（你的目录）/anaconda3/binesc退出，:wq保存，输入以下刷新
source ~/.bashrc重启ubuntu，输入：
conda init安装cuda12.4
打开Cuda Toolkit 12.4下载Cuda Toolkit 12.4下载页面，这里利用runfile方式安装
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo sh cuda_12.4.0_550.54.14_linux.run出现如下报错：
这里是因为没有安装gcc的原因
安装gcc11.4
输入如下，安装gcc：
sudo apt install gcc安装完成后查看gcc版本：
gcc --version
在NVIDIA CUDA Installation Guide for LinuxNVIDIA CUDA Installation Guide for Linux中可以找到和cuda匹配的gcc版本，gcc11.4和cuda12.4在ubuntu22.04上是匹配的
继续安装cuda，先accept，然后选择install，需要等几分钟。安装完成后配置环境变量：
vim ~/.bashrc输入I进行编辑，在末尾输入：
export CUDA_HOME=/usr/local/cuda-12.4
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64esc退出，:wq保存，刷新一下：
source ~/.bashrc输入nvcc -V出现以下内容，cuda12.4安装成功
安装cudnn8.9.7
在cudnn下载页面挑选匹配cuda的cudnn版本，这里选用8.9.7安装
下载Tar并上传至服务器（因为我是ubuntu，所以用Linux安装包也可以），解压
tar -Jxvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz输入以下代码：
cd cudnn-linux-x86_64-8.9.7.29_cuda12-archive/
sudo cp -r lib/* /usr/local/cuda-12.4/lib64/
sudo cp -r include/* /usr/local/cuda-12.4/include/
sudo chmod a+r /usr/local/cuda-12.4/lib64/libcudnn*
sudo chmod a+r /usr/local/cuda-12.4/include/cudnn*验证是否安装成功：
cat /usr/local/cuda-12.4/include/cudnn_version.h | grep
CUDNN_MAJOR -A 2看到如下结果说明成功了：
按照requirement配置
激活虚拟环境
#环境创建
conda create -n mamba_vision python=3.10 #环境激活
conda activate mamba_vision安装pytorch
下载mamba_vision项目到本地，进入requirements的目录，这里我手动安装了pytorch
进入pytorch官网
找到匹配cuda12.4的版本，由于项目要求torch>=2.6.0+cu124，安装了2.6.0版本
路径上加上了清华源，这样速度会快一些：
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple安装其他包
安装完成后，修改requirements删去torch>=2.6.0+cu124，继续安装其他包：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple -v安装mamba_ssm2.2.4
报错mamba-ssm编译失败
访问mamba，将.whl文件下载后进行安装
在文件选择上，主要确定cuda，torch，ABI和python版本，其中ABI可以这样确定：
import torch
import torch.version
print(torch.compiled_with_cxx11_abi())
于是确定了我应该下载cu12torch2.6xx11abi False-cp310，下载并上传到服务器：
pip install mamba_ssm-2.2.4+cu12torch2.6cxx11abiFALSE-cp310-cp310-linux_x86_64.whl完成后输入以下未报错说明安装成功：
import mamba_ssm至此环境配置完成
模型评估
也可以跳过评估直接在预训练权重上训练自己的模型，假如需要的话，可以参考如下步骤
按照项目官方方法和示例：
python validate.py
--model
--checkpoint
--data_dir
--batch-size #!/bin/bash
DATA_PATH="/ImageNet/val"
BS=128
checkpoint='/model_weights/mambavision_tiny_1k.pth.tar'
python validate.py --model mamba_vision_T --checkpoint=$checkpoint --data_dir=$DATA_PATH --batch-size $BS --input-size 3 224 224
需要下载预训练权重和dataset，项目官方只提供了ImageNet-1K的预训练权重，按照项目官方链接下载了在ImageNet-1K上的mambavision_T权重，创建文件夹：
mkdir ./Imagenet注意这里的代码：
parser.add_argument('--dataset-download', action='store_true', default=False,
help='Allow download of dataset for torch/ and tfds/ datasets that support it.')说明只需要传入以下代码，就可以进行下载，不需要设置为True：
--dataset-download传入了参数（dataset和dataset-download）通过timm下载数据集：
#!/bin/bash
DATA_PATH="./Imagenet"
BS=128
checkpoint='./mambavision_tiny_1k.pth.tar'
python validate.py --model mamba_vision_T --checkpoint=$checkpoint --data-dir=$DATA_PATH --batch-size $BS --input-size 3 224 224 --dataset torch/ImageNet --dataset-downloadImageNet-1K下载整理
发现timm中并不能下载ImageNet，于是手动下载。下载和整理参照这篇：ImageNet1K数据集的下载解压与处理
然后运行如下指令就可以进行评估了：
#!/bin/bash
DATA_PATH="./Imagenet/val（你的验证集路径）"
BS=128
checkpoint='./mambavision_tiny_1k.pth.tar'
python validate.py --model mamba_vision_T --checkpoint=$checkpoint --data-dir=$DATA_PATH --batch-size $BS --input-size 3 224 224
