[最佳实践] conda环境内安装cuda 和 Mamba的安装

Mamba安装失败的过程中，causal-conv1d安装报错为连接超时

key word: vision mamba， DL ，深度学习 ，mamba unet，mamba环境安装

Mamba安装

主要故障是 pip install causal-conv1d1.2.0和 pip install mamba-ssm1.2.0 安装失败

安装时间比较长，请耐心等待

解决方案

受到启发运行Mamba项目时无法直接用pip install安装causal_conv1d和mamba_ssm_pip install causal-conv1d编译文件-CSDN博客

本地安装causal-conv1d时，一定要检查机器的gcc和g++版本，本人默认是gcc5就会编译报错，gcc9就能安装成功
gcc -V 可查看Gcc版本
安装时间比较长，请耐心等待
Ubuntu下gcc多版本共存和版本切换_ykrgcc-CSDN博客这里详细讲述了gcc版本切换

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
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 .

如果github不能访问，请参照这篇文章，一条命令解决github访问问题

成功预览

下面是个人的安装尝试，均以失败告终。

失败经历

经历一

Ubuntu内部先安装cuda11.8和cudnn
然后安装pytorch
然后安装`pip install causal-conv1d==1.2.0`   ，然后就报错了。都没等到安装Manba

经历二

然后通过观察
Mamba 环境安装踩坑问题汇总及解决方法_building wheel for causal-conv1d (setup.py) …-CSDN博客
调整为

Ubuntu内部先安装cuda11.8和cudnn
然后安装pytorch
conda install packaging
然后安装pip install causal-conv1d==1.2.0，然后就报错了。也是都没等到安装Manba

任然报错

经历三

完全按照作者提到的

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](https://download.pytorch.org/whl/cu118)
conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc
conda install packaging
pip install causal-conv1d==1.2.0 # 此处报错
pip install mamba-ssm

前面已经安装好了很多的依赖，只不过还是报错了
说是链接超时，网络问题。看到了希望

经历4

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
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 .
pip install mamba-ssm # 此处报错

至此才有了文章顶部的解决方案

conda环境内部安装cuda

好处就是当前环境使用的cuda和机器内的cuda不冲突

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

参考：flash-attention踩坑：使用conda管理CUDA