Linux下VMamba 环境复现+环境测试

1. # 1. 创建自己的虚拟环境
2. conda create -n VMamba python=3.10.13
3. conda activate VMamba
4. # 2. cuda-11.8
5. conda install cudatoolkit==11.8 -c nvidia
6. # 3. torch torchvision torchaudio 与 官网命令一致
7. pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
8. # 4. nvcc
9. conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc
10. # 5. packaging
11. conda install packaging
12. # 6.openlab环境
13. pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.1/index.html
14. pip install mmengine==0.10.1
15. pip install mmdet==3.3.0 mmsegmentation==1.2.2 mmpretrain==1.2.0
16. # 7. causal-conv1d== & mamba-ssm==1.1.1
17. pip install causal-conv1d==1.1.1
18. pip install mamba-ssm==1.1.2 #1.1.1实测会报错

复制代码

causal-conv1d和mamba-ssm上述方法安装失败，可以见链接，采用whl安装。
关于NameError: name 'selective_scan_cuda_core问题，是跟cd kernels/selective_scan && pip install .这个安装不乐成有关，（分析缘故原由应该是cuda版本不对）

1. NameError: name 'selective_scan_cuda_core' is not defined. Did you mean: 'selective_scan_flop_jit'?

复制代码

这边直接上我的环境信息吧，

1. certifi==2022.12.7
2. charset-normalizer==2.1.1
3. einops==0.8.0
4. filelock==3.13.1
5. fsspec==2024.2.0
6. fvcore==0.1.5.post20221221
7. huggingface-hub==0.23.0
8. idna==3.4
9. iopath==0.1.10
10. Jinja2==3.1.3
11. MarkupSafe==2.1.5
12. mpmath==1.3.0
13. networkx==3.2.1
14. ninja==1.11.1.1
15. numpy==1.26.3
16. packaging @ file:///home/conda/feedstock_root/build_artifacts/packaging_1637239678211/work
17. pillow==10.2.0
18. portalocker==2.8.2
19. pyparsing @ file:///home/conda/feedstock_root/build_artifacts/pyparsing_1652235407899/work
20. PyYAML==6.0.1
21. requests==2.28.1
22. safetensors==0.4.3
23. selective-scan @ file:///home/rycc/cc/VMamba/kernels/selective_scan
24. sympy==1.12
25. tabulate==0.9.0
26. termcolor==2.4.0
27. timm==0.9.16
28. torch==2.1.1+cu118
29. torchaudio==2.1.1+cu118
30. torchvision==0.16.1+cu118
31. tqdm==4.66.4
32. triton==2.1.0
33. typing_extensions==4.9.0
34. urllib3==1.26.13
35. yacs==0.1.8

复制代码

测试代码，在classification/models/vmamba.py最后添加，并运行

1. device = torch.device("cuda:0")
2. hidden_dim = 3  # 假设 VSSBlock 的隐藏维度为 64
3. network = VSSM(hidden_dim).to('cuda:0')
4. # 随机生成一张输入图片作为示例
5. input_image = torch.randn(1, 3, 224, 224)  # 假设输入图片大小为 224x224，通道数为 3（RGB图像）
6. input_image = input_image.to(device)
7. # 前向传播
8. output = network(input_image)
9. # 输出结果的大小
10. print("Output shape:", output.shape)

复制代码

输出效果，表示乐成设置

练习下令 （现在数据集还未下载，后续更新）

1. python -m torch.distributed.launch --nnodes=1 --node_rank=0 --nproc_per_node=2 --master_addr="127.0.0.1" --master_port=29501  main.py  --cfg  /home/rycc/cc/VMamba/classification/configs/vssm/vmambav0_base_224.yaml

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。