Mamba 环境配置：一次性装好「Mamba（mamba-ssm/Mamba-2）」环境
参考这位大神的博客：点击此处
第一步：卸载已经装过的mamba-ssm + 清理残留
（如果内有安装过mamb的，可以直接跳过第一步）
# 1) 卸载 mamba-ssm + 清理残留 so（必须）python-m pip uninstall-y mamba-ssm python-<<'PY'importsite,glob,osforpinsite.getsitepackages():forfinglob.glob(os.path.join(p,"selective_scan_cuda*.so")):print("remove",f);os.remove(f)PY python-m pip cache purge第二步：根据cuda版本，选择适合的torch版本，python版本
如何查看自己的cuda版本？
nvcc--version博主选的是torch2.3，python3.10，cuda版本是11.8
也可以根据自己的cuda版本修改指令。
# 1) 基础 CUDA 运行时（可选）# 注：后面 pip 的 PyTorch cu118 轮子已自带 CUDA 运行时，# 这里装 conda 的 cudatoolkit 主要为了与 nvcc/编译保持一致性。conda install cudatoolkit==11.8-c nvidia-y# 2) 安装与 CUDA 11.8 匹配的 PyTorch 2.3.xpip install torch==2.3.1torchvision==0.18.1torchaudio==2.3.1\--index-url https://download.pytorch.org/whl/cu118# 3) 安装 NVCC（需要本地编译算子时很有用）conda install-c"nvidia/label/cuda-11.8.0"cuda-nvcc-y# 4) 常用训练/日志/评测依赖pip install open_clip_torch loguru wandb diffusers einops omegaconf \ torchmetrics decord accelerate pytest fvcore chardet yacs termcolor \ submitit tensorboardX seaborn# 5) packaging（部分项目的版本解析依赖）conda install packaging-y# 6) 下载官方发布的 Mamba & causal-conv1d 预编译轮子（与本环境严格匹配）mkdir-p whl&&cd whl wget https://github.com/state-spaces/mamba/releases/download/v2.0.4/mamba_ssm-2.0.4+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl wget https://github.com/Dao-AILab/causal-conv1d/releases/download/v1.2.2.post1/causal_conv1d-1.2.2.post1+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl# 7) 安装这两个核心轮子pip install./causal_conv1d-1.2.2.post1+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl pip install./mamba_ssm-2.0.4+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl安装之后的验证：
python-<<'PY'importtorch,osprint("Torch:",torch.__version__)print("CUDA :",torch.version.cuda)print("GPU? :",torch.cuda.is_available())asserttorch.cuda.is_available(),"CUDA 不可用，请检查驱动/容器"# Mamba 前向一把（GPU）frommamba_ssmimportMamba m=Mamba(d_model=256,d_state=16,d_conv=4,expand=2).cuda()x=torch.randn(1,1024,256,device="cuda")y=m(x)print("Forward OK, y.shape =",y.shape)PY