Windows11配置Mamba环境（本人亲测有效）
目录
1.前期环境配置，这里推荐使用Conda虚拟环境，没配置这个的，可以参考这个安装教程最新版最详细Anaconda新手安装+配置+环境创建教程-CSDN博客。安装完后会有一个类似Windows下的命令提示符的应用，即，Anaconda Prompt， 直接打开它。编辑编辑
2.再是因果卷积的安装，即 causal-conv1d。同样再之前那个界面输入以下命令：
3.Mamba-ssm环境安装。在命令行输入以下命令，这里最好是选择mamba1.1.3版本的，同时git无法连接的话，跟之前一样，直接去网址栏输入这个链接就行，然后选择1.1.3版本的。
1.前期环境配置，这里推荐使用Conda虚拟环境，没配置这个的，可以参考这个安装教程最新版最详细Anaconda新手安装+配置+环境创建教程-CSDN博客。安装完后会有一个类似Windows下的命令提示符的应用，即，Anaconda Prompt， 直接打开它。
在这个界面中输入以下命令：（这里的命令，不要直接全部复制粘贴到界面中，一个一个复制粘贴）
conda create -n mamba python=3.10
conda activate mamba
conda install cudatoolkit==11.8
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
pip install setuptools==68.2.2
conda install nvidia/label/cuda-11.8.0::cuda-nvcc_win-64
conda install packaging
pip install triton-2.0.0-cp310-cp310-win_amd64.whl
这个 triton-2.0.0-cp310-cp310-win_amd64.whl 本来需要自己编译，我这里提供编译好的https://drive.google.com/file/d/1lYXEro5ZbLsRLFLOkiyoY2ePFDWRVtVr/view?usp=drive_link
2.再是因果卷积的安装，即 causal-conv1d。同样再之前那个界面输入以下命令：
git clone https://github.com/Dao-AILab/causal-conv1d.git
cd causal-conv1d
set CAUSAL_CONV1D_FORCE_BUILD=TRUE
pip install .
这里提醒一下，如果git失败了，连接不上。可以直接再网址栏输入这个GitHub - Dao-AILab/causal-conv1d: Causal depthwise conv1d in CUDA, with a PyTorch interface将causal-conv1d的压缩包下载下来，然后解压，copy到你命令行界面的工作目录，就是当前目录咯。（如果不想浪费时间，我这里直接提供Windows下编译好的https://drive.google.com/file/d/1tzunHZ3SHHyI8qNT1DfxlxBVwalqjr3R/view?usp=drive_link，可以直接下载安装(只适用于torch2.1)。同样的把这个编译好的copy到当前命令行的工作目录，再执行以下这个安装命令）。
pip install causal_conv1d-1.1.1-cp310-cp310-win_amd64.whl3.Mamba-ssm环境安装。在命令行输入以下命令，这里最好是选择mamba1.1.3版本的，同时git无法连接的话，跟之前一样，直接去网址栏输入这个链接就行，然后选择1.1.3版本的。
git clone https://github.com/state-spaces/mamba.git
cd mamba
4.Windows下Mamba-ssn环境编译。
- 在mamba源码
setup.py修改第41行配置
FORCE_BUILD = os.getenv("MAMBA_FORCE_BUILD", "TRUE") == "TRUE"
- 将
csrc/selective_scan/selective_scan_fwd_kernel.cuh的void selective_scan_fwd_launch函数改为
void selective_scan_fwd_launch(SSMParamsBase ¶ms, cudaStream_t stream) {
// Only kNRows == 1 is tested for now, which ofc doesn't differ from previously when we had each block
// processing 1 row.
static constexpr int kNRows = 1;
BOOL_SWITCH(params.seqlen % (kNThreads * kNItems) == 0, kIsEvenLen, [&] {
BOOL_SWITCH(params.is_variable_B, kIsVariableB, [&] {
BOOL_SWITCH(params.is_variable_C, kIsVariableC, [&] {
BOOL_SWITCH(params.z_ptr != nullptr , kHasZ, [&] {
using Ktraits = Selective_Scan_fwd_kernel_traits;
// constexpr int kSmemSize = Ktraits::kSmemSize;
static constexpr int kSmemSize = Ktraits::kSmemSize + kNRows * MAX_DSTATE * sizeof(typename Ktraits::scan_t);
// printf("smem_size = %d\n", kSmemSize);
dim3 grid(params.batch, params.dim / kNRows);
auto kernel = &selective_scan_fwd_kernel;
if (kSmemSize >= 48 * 1024) {
C10_CUDA_CHECK(cudaFuncSetAttribute(
kernel, cudaFuncAttributeMaxDynamicSharedMemorySize, kSmemSize));
}
kernel<<>>(params);
C10_CUDA_KERNEL_LAUNCH_CHECK();
});
});
});
});
}
- 将
csrc/selective_scan/static_switch.h的BOOL_SWITCH函数改为
#define BOOL_SWITCH(COND, CONST_NAME, ...) \
[&] { \
if (COND) { \
static constexpr bool CONST_NAME = true; \
return __VA_ARGS__(); \
} else { \
static constexpr bool CONST_NAME = false; \
return __VA_ARGS__(); \
} \
}()
- 在
csrc/selective_scan/selective_scan_bwd_kernel.cuh和csrc/selective_scan/selective_scan_fwd_kernel.cuh文件开头加入：
#ifndef M_LOG2E
#define M_LOG2E 1.4426950408889634074
#endif
- 完成上述修改后，执行
pip install .一般即可顺利编译，成功安装。 - 我也有Windows下编译好的mamba-1.1.3的whl包，可以评论区私我获取。
- 以上安装步骤，本人亲测有效，我的显卡配置是RTX 4070ti，cuda最高支持应该要11.8以上，太老的显示不知道是否可以安装成功，安装过程有任何问题可以评论区进行评论哦。