U-Mamba复现中遇到的问题及解决方法（更新中）

1. 环境安装

1.1. 出错步骤1：创建umamba虚拟环境出错

解决方案在我的另一篇文章中

1.2. 出错步骤2：安装pytorch出错

1.3. 出错步骤3：安装casual-conv1d出错

错误1：
首先尝试了第一种解决方法：使用git clone直接将causal-conv1d clone过来

但是出错：(后来发现前面加上一个sudo就行)

后尝试第二种解决方法：直接从github上将项目下载到本地，再将项目发到服务器上再进行安装，但是用WinScp发文件的时候告诉我权限不够了…遂放弃
第三种解决方法：

conda install -c "nvidia/label/cuda-11.7.0" cuda-nvcc//这里是根据自己的cuda版本进行安装的
conda install packaging
pip install -i https://pypi.mirrors.ustc.edu.cn/simple causal-conv1d==1.1.1//这里用中科大的源，因为我自己用清华源的时候会Timeout，但每个人情况可能不同哪个能用就用哪个

成功安装（Building wheel for mamba_ssm的时间会比较长，安装mamba_ssm的时等待时间也要等较长时间）

• 注意：安装的mamba_ssm的版本一定要和casual-conv1d的版本相同，要安装mamba_ssm==1.1.1版本，否则后面运行时会报错（另一定要注意是安装mamba_ssm不是mamba！！！）

2. 运行：

2.1. 数据集预处理

nnUnet有严格的数据集结构要求，按照以下步骤制作自定义数据集：

1. 在umamba下有一个文件夹data，初始只包含了nnUNet_raw文件夹，其中包含了作者在文章中使用的四个数据集（只有数据集名字，其中并没有图像）
   

2. 从作者提供的网盘中下载数据集，这里使用的是Dataset_703，下载后包含了以下几个文件：
   

3. 在data文件夹下创建三个文件夹，分别为nnUNet_results、nnUNet_raw、nnUNet_preprocessed
   

4. 配置环境变量

export nnUNet_results="/app/data/nnUNet_results"
export nnUNet_preprocessed="/app/data/nnUNet_raw"
export nnUNet_raw="/app/data/nnUNet_raw"

5. 文章作者提供的数据集已经经过初步的处理的，所以不需要进行数据转换，只需要进行预处理即可:

nnUNetv2_plan_and_preprocess -d 703(这里根据自己的数据集名称进行修改DATASET_ID) -verify_dataset_integrity -c 2d（如果是3d图像，修改为3d即可）

开始处理：

2.2. 训练

nnUNet_n_proc_DA=0 CUDA_VISIBLE_DEVICES=0 nnUNetv2_train Dataset703_NeurIPSCell 2d all -tr nnUNetTrainerUMambaEnc -device cuda

2.2.1. 问题一

在docker容器中运行的，首先报错：
ImportError: libGL.so.1: cannot open shared object file: No such file or dir

解决方法：需要更新apt，安装libgl1-mesa-glx

apt update
apt install libgl1-mesa-glx

2.2.2. 问题二

在docker容器中运行老是能碰到奇奇怪怪的问题，这次是：RuntimeError: One or more background workers are no longer alive. Exiting. Please check the print statements above for the actual error message

最后在nnUnet的issues中找到了解决方法：https://github.com/MIC-DKFZ/nnUNet/issues/1343

nnUNet_n_proc_DA=0 CUDA_VISIBLE_DEVICES=0 nnUNetv2_train Dataset703_NeurIPSCell 2d all -tr nnUNetTrainerUMambaEnc -device cuda

2.2.3. 问题三

ausal_conv1d_fwd(): incompatible function arguments. The following argument types are supported:
1.(arg0: torch.Tensor, arg1: torch.Tensor, arg2: Optional[torch.Tensor], arg3: Optional[torch.Tensor], arg4: bool) -> torch.Tensor
解决方法：将mamba-ssm版本换成1.1.1版本，pip install mamba-ssm=1.1.1

开始训练啦：

显存占用大约为15G：

3. 测试

待更新

Reference

1. 复现U-Mamba
2. Mamba 环境安装踩坑问题汇总及解决方法
3. [最佳实践] conda环境内安装cuda 和 Mamba的安装
4. nnUNet_v2（Linux）
5. ImportError: libGL.so.1: cannot open shared object file: No such file or dir