本文将介绍如何在ubuntu系统下配置目标检测模型mamba-yolo的深度学习环境
1. 环境要求
-
Python >= 3.9 （本文使用python-3.11）
-
CUDA >= 11.6 （本文使用CUDA-11.8）
-
Pytorch >= 1.12.1 （本文使用torch-2.4.0）
-
Linux（本文使用Ubuntu-22.0.4）
-
请先确定系统的GLIBC版本大于等于2.32（本文使用2.35）， 否则会导致python无法正常import动态链接库（python >= 3.7 import动态链接库需要 GLIBC >= 2.32）， 如需查看GLIBC版本可使用以下命令查看：
ldd --version-
gcc，具体版本要求未知，本文使用11.4.0 ，可用以下命令查看gcc版本
gcc --version -
2. CudaToolKit安装
2.1 cuda安装
先打开英伟达CudaToolKit官网：https://developer.nvidia.com/cuda-toolkit-archive ，然后选择cuda11.8（也可以按照自己的需求来选择其他版本，但是要求大于11.6）
之后按照自己的系统情况进行选择：
如果当前账户有root权限的话，Installer Type就正常选第一个就好，根据下方给出的提示进行安装即可
如果没有root权限的话，可以使用第三项runfile的方式进行安装，具体可以参考博客：linux系统非root用户安装cuda和cudnn，不同版本cuda切换_安装多版本cudnn-CSDN博客
2.2 环境变量修改
打开bash配置文件： 使用文本编辑器打开用户的bash配置文件。对于大多数用户，这个文件通常是~/.bashrc。如果您使用的是root用户，那么配置文件可能是~/.bashrc或者/root/.bashrc。在终端中输入以下命令：
nano ~/.bashrc # 如果想修改所有用户可以在前面加上sudo 在打开的.bashrc文件中，使用键盘将光标移动到文件的末尾，添加以下路径在文件最后（注意，具体路径请修改为自己安装路径，代码示例为默认安装路径）：
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-11.8保存并关闭文件： 在nano编辑器中，按下Ctrl + O来保存文件，然后按下Enter确认文件名。接着，按下Ctrl + X退出编辑器，输入y一次，然后回车即可
使更改生效： 为了让刚才的更改立即生效，需要重新加载.bashrc文件。在终端中执行以下命令：
source ~/.bashrc接下来就可以输入：
nvcc -V查看是否安装成功即可，正常应输出如下信息：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_03. cuDNN安装
先打开官网：https://developer.nvidia.com/rdp/cudnn-archive ，然后选择对应版本进行下载（本案例选择v8.9.7-11.x），这里下载需要注册NVIDIA账号
然后将下载好的压缩包传到linux服务器中，并在终端cd到对应上传目录，然后进行解压：
tar -xvf cudnn** # **省略部分按tab自动补全解压完成后cd进解压文件夹，然后运行以下代码（如果没有root权限，cuda安装目录应当在自己账户目录下，此时以下命令无需sudo命令）：
sudo cp -r ./lib/* /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/lib64/
sudo cp -r ./include/* /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/接下来修改权限：
sudo chmod a+r /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/cudnn*
sudo chmod a+r /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/lib64/libcudnn*最后检查是否安装成功：
cat /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/cudnn_version.h | grep CUDNN_MAJOR -A 2正常应输出以下信息：
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 9
#define CUDNN_PATCHLEVEL 7
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)/* cannot use constexpr here since this is a C-only file */至此，cuda安装完成
4. Anaconda安装
这个网上教程一大堆，这里我就只简单说一下。 首先下载安装程序，方法有很多，下面提供两种方法：
-
前往Anaconda官网（Download Anaconda Distribution | Anaconda ）选择linux版本，直接下载
-
直接使用wget下载：
wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh之后cd到你的下载目录，直接执行即可：
sh Anaconda3-2024.02-Linux-x86_64.sh一直按enter，直到出现选择yes或者no，输入yes，接下来按enter即可
Please answer 'yes' or 'no':'
>>> yesAnaconda3 will now be installed into this location:
/root/anaconda3- Press ENTER to confirm the location- Press CTRL-C to abort the installation- Or specify a different location below这里直接按enter继续
You can undo this by running `conda init --reverse $SHELL`? [yes|no]
[no] >>>安装完成
Thank you for installing Anaconda3!5. Conda环境创建和pytorch环境配置
5.1 环境创建
先新建一个conda虚拟环境:
conda create --name mamba python=3.11
或者
conda create -n mamba python=3.11激活环境：
conda activate mamba然后安装pytorch（这是使用conda下载，如需pip下载【conda下载最后得到的包文件名为pytorch，pip是torch】或者安装其他版本，具体命令可以前往Pytorch官网 PyTorch ）:
conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=11.8 -c pytorch -c nvidia5.1 pytorch构建工具配置修改
先查看mamba-env环境路径
conda env list 然后进入具体环境路径后，打开📁 lib/📁 python3.11/📁 site-package/ 📁 torch（conda下载为pytorch，pip下载为torch）/📁 utils/cpp_extension.py
在CUDA_GCC_VERSIONS和MINIMUM_CLANG_VERSION中添加11.8的版本信息
CUDA_GCC_VERSIONS: VersionMap = {'11.0': (MINIMUM_GCC_VERSION, (10, 0)),'11.1': (MINIMUM_GCC_VERSION, (11, 0)),'11.2': (MINIMUM_GCC_VERSION, (11, 0)),'11.3': (MINIMUM_GCC_VERSION, (11, 0)),'11.4': ((6, 0, 0), (12, 0)),'11.5': ((6, 0, 0), (12, 0)),'11.6': ((6, 0, 0), (12, 0)),'11.7': ((6, 0, 0), (12, 0)),'11.8': ((6, 0, 0), (12, 0)), # 添加这一行
}MINIMUM_CLANG_VERSION = (3, 3, 0)
CUDA_CLANG_VERSIONS: VersionMap = {'11.1': (MINIMUM_CLANG_VERSION, (11, 0)),'11.2': (MINIMUM_CLANG_VERSION, (12, 0)),'11.3': (MINIMUM_CLANG_VERSION, (12, 0)),'11.4': (MINIMUM_CLANG_VERSION, (13, 0)),'11.5': (MINIMUM_CLANG_VERSION, (13, 0)),'11.6': (MINIMUM_CLANG_VERSION, (14, 0)),'11.7': (MINIMUM_CLANG_VERSION, (14, 0)),'11.8': (MINIMUM_CLANG_VERSION, (14, 0)), # 添加这一行
}安装packaging包（setup需要）：
conda install packaging
6.Mamba-YOLO安装
下载mamba-yolo源码到自己指定的路径，解压缩进入文件夹，在激活的mamba环境中依次输入下面的命令：
pip install seaborn thop timm einops
cd selective_scan
pip install .
cd ..
pip install -v -e .至此，环境配置完成，设置源码中的mamba-yolo.py等脚本，运行mamba-yolo.py即可开始训练
