本文主要是介绍mamba-ssm安装building wheel卡着不动后error...避坑解决方法，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！
文章目录
- 方法1、下载whl文件到本地后pip install
- 安装成功后验证：
- 方法2、拉取Docker镜像
对于项目中用到MambaIR的小伙伴，需要pip安装
causal_conv1d和
mamba-ssm两个包及其依赖：
torch
packaging
transformers
MambaIR-Github主页（含installation）
This codebase was tested with the following environment configurations. It may work with other versions：
Ubuntu 20.04
CUDA 11.7
Python 3.9
PyTorch 1.13.1 + cu117
方法1、下载whl文件到本地后pip install
安装顺序参照：Mamba 环境安装踩坑问题汇总及解决方法方法三
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
pip install causal-conv1d==1.1.1
pip install mamba-ssm
当遇到causal-conv1d或mamba-ssm长时间building wheel卡着不动后error…的情况，我的解决方法是：
下载causal-conv1d
Dao-AILabcausal-conv1d
和mamba-ssm
state-spacesmamba
的whl文件，并pip install本地安装；源码安装、注释版本号限制、更换CUDA，torch版本笔者也尝试过，均不可行。
下载很慢的话换台电脑试试，跟新旧网卡有点关系。。
如我的conda环境：
centos
CUDA 11.8
Python 3.9.4
PyTorch 2.1.0 + cu118
则mamba-ssm的whl需要选择：mamba_ssm-1.0.1+cu118torch2.1cxx11abiFALSE-cp39-cp39-linux_x86_64.whl
安装成功后验证：
方法2、拉取Docker镜像
参考：直接使用Mamba基础环境docker镜像
这篇关于mamba-ssm安装building wheel卡着不动后error...避坑解决方法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！
