目录
- 背景
- 0. 前期环境查询/需求分析
- 1. Linux 平台
- 1.1 Mamba
- 1.2 Vim
- 1.3 Vmamba
- 2. Windows 平台
- 2.1 Mamba
- 2.1.1 Mamba 1
- 2.1.2 Mamba 2
- - 治标不治本
- - 终极版
- - 高算力版
- 2.2 Vim
- - 治标不治本
- - 终极版
- - 高算力版
- 2.3 Vmamba
- - 治标不治本
- - 终极版
- - 高算力版
- 3. Linux / Windows 双平台合集
- 4. 基于 Mamba 的各种项目
- 4.1 MambaYOLO
背景
笔者前期在广大网友的支持下积累了大量的 Linux / Windows 下 Mamba / Vim / Vmamba 等模型的安装经验，由于版本、算力以及平台等复杂多样，导致每种情况均略有区别，导致系列博客里面的教程和安装包错综复杂，特此梳理。鼓励大家根据教程自己手动编译，本人摸索出来的编译过程在系列博客已经全程开源，出现问题请查阅本系列所有博客，不鼓励从任何渠道购买，本人仅针对时间紧张嫌麻烦的同学提供部分 whl 安装包。
请根据自身实际情况参考不同博客，系列教程博客有：
Mamba 及 Vim 安装问题参看本人博客：Mamba 环境安装踩坑问题汇总及解决方法（初版）- Linux 下 Mamba 安装问题参看本人博客：Mamba 环境安装踩坑问题汇总及解决方法（重置版）
- Windows 下 Mamba 的安装参看本人博客：Window 下Mamba 环境安装踩坑问题汇总及解决方法 （无需绕过selective_scan_cuda）
- Linux 下 Vim 安装问题参看本人博客：Linux 下 Vim 环境安装踩坑问题汇总及解决方法（重置版）
- Windows 下 Vim 安装问题参看本人博客：Window 下 Vim 环境安装踩坑问题汇总及解决方法
- Linux 下Vmamba 安装教程参看本人博客：Vmamba 安装教程（无需更改base环境中的cuda版本）
- Windows 下 VMamba的安装参看本人博客：Windows 下 VMamba 安装教程（无需更改base环境中的cuda版本且可加速）
- Windows下 Mamba2及高版本 causal_conv1d 安装参考本人博客：Windows 下Mamba2 环境安装问题记录及解决方法（causal_conv1d=1.4.0）
- Windows 下 Mamba / Vim / Vmamba 环境安装终极版参考本人博客：Windows 下Mamba2 / Vim / Vmamba 环境安装问题记录及解决方法终极版（无需绕过triton）
- （GPU算力12.0版本）Windows 下 Mamba / Vim / Vmamba 环境配置教程 参考本人博客：Windows 下 Mamba / Vim / Vmamba 环境配置安装教程（适用于5070,5080,5070Ti等GTX 50系显卡）
本系列教程已接入ima知识库，欢迎在ima小程序里切换到 Deepseek 模型进行提问！
0. 前期环境查询/需求分析
- 运行平台：（Linux 或 Windows）
- GPU 算力：算力查询参考：Your GPU Compute Capability。如GeForce GTX 1080 算力为6.1，GeForce RTX 4090 算力 8.9，GeForce RTX 3090 算力 8.6，GeForce RTX 5090 算力 12.0。
- Windows 下需要安装 Mamba 1 版本 还是 Mamba 2 版本。
- Windows 下是否需要 triton 加速。（triton 官方目前只支持Linux系统，参考本人之前博客 Windows 下安装 triton 教程 ）
- 请先大致阅读完对应博客后再选择有没有必要购买。
- 注意 python，torch 及 cuda 版本必须和本人博客的环境保持一致，否则会报错。
- 若需要
selective_scan_cuda，则需要安装 mamba（pip list 里面显示为 mamba_ssm，虚拟环境中相关位置产生selective_scan_cuda.cp310-win-amd64.pyd）；selective_scan_cuda_oflex和selective_scan_cuda_core是 Vmamba （含core）里面的 （pip list 里面显示selective_scan，虚拟环境中相关位置产生selective-scan-cuda-oflex.cp310-win-amd64.pyd，及selective-scan-cuda-core.cp310-win-amd64.pyd）
1. Linux 平台
1.1 Mamba
Linux 下 mamba 的安装较为简单，如果 CUDA 配置完整可迅速安装成功或者从官方源码编译。
如果你的显卡算力是 7.0-9.0 之间，Linux 下 Mamba 安装问题参看本人博客：Mamba 环境安装踩坑问题汇总及解决方法（重置版），官方为这部分算力的用户，提供了编译好的whl安装包。
如果你的显卡是老旧显卡，如算力 6.1 ，则需要自己从源码编译，并且编译前修改 setup.py 里面的参数，见 RuntimeError：CUDA error：no kernel image is available。
如果你的显卡是非常新的显卡，如算力 12.0，则需要自己从源码编译，并且编译前修改 setup.py 里面的参数，见 从源码编译causal-conv1d 1.4.0 版本 及 从源码编译 mamba-ssm2.2.2 版本。
由于操作较为容易，官方也提供了一些环境下的 whl 安装包，本人不提供任何 whl 。
1.2 Vim
Vim （Vision Mamba） 官方代码链接为：https://github.com/hustvl/Vim。注意，Vim （Vision Mamba）和 Vmamba （VMamba: Visual State Space Model）虽然都是基于mamba，但是它们不是同一篇！
Linux 下 Vim 环境安装可以直接从 Vim 里的源码编译，或者先安装官方的 Mamba 然后进行代码替换。causal-conv1d 可以直接安装causal-conv1d 官方的 1.1.1 版本。
如果你的显卡算力是 7.0-9.0 之间，Linux 下 Vim 安装问题参看本人博客：Linux 下 Vim 环境安装踩坑问题汇总及解决方法（重置版）。
其他算力版本还是需要同前面 mamba 安装一样，需要修改 setup.py 然后从头开始编译。
安装完成后，pip list 显示的还是 mamba_ssm，不过它在内部多了一个 bimamba_type。
本人暂时仅提供 显卡算力 7.0-9.0 的 Vim whl 安装包：
- 【CSDN 渠道】：（Vim Linux）mamba-ssm-1.1.1-cp310-cp310-linux-x86-64.whl
- 【mbd 优惠渠道】：（Vim Linux cuda11.8）mamba-ssm-1.1.1
1.3 Vmamba
Vmamba 安装完成之后 pip list 显示的是 selective_scan，其包括的库是 selective_scan_cuda_oflex （我称之为“不含core”），如果需要 selective_scan_cuda_core模块，则需要修改 setup.py 然后编译，这里将同时包括这两个库的称为“含core版本”。
如果你的显卡算力是 7.0-9.0 之间，Linux 下Vmamba 安装教程参看本人博客：Vmamba 安装教程（无需更改base环境中的cuda版本）
其他算力版本还是需要同前面 mamba 安装一样，需要修改 setup.py 然后从头开始编译。
本人暂时仅提供 显卡算力 7.0-9.0 的 Vmamba whl 安装包：
- 不含 core，CUDA 12.1
- 【CSDN 渠道】：selective-scan-0.0.2-cp310-cp310-linux-x86-64.whl (CUDA 12.1 不含core)
- 【mbd 优惠渠道】：（不含core / cuda12.1）selective_scan-0.0.2-cp310-cp310-linux_x86_64.whl
- 含 core，CUDA 11.8
- 【CSDN 渠道】：selective-scan（CUDA 11.8 包含core）
- 【mbd 优惠渠道】：含core / cuda11.8）selective_scan-0.0.2-cp310-cp310-linux_x86_64.whl
- 含 core，CUDA 12.1
- 【CSDN 渠道】：selective-scan（CUDA 12.1 包含core）
- 【mbd 优惠渠道】：（含core / cuda12.1）selective_scan-0.0.2-cp310-cp310-linux_x86_64.whl
2. Windows 平台
Mamba / Vim / Vmamba 均未考虑在Windows 下的配置安装，所以官方并没有安装包，均需要从头编译，以下内容均为本人自主探索查阅大量资料得出的教程，并针对某些环境为了方便自主编译了whl安装包，使用安装包注意 python，torch 及 cuda 版本必须和本人前面的环境保持一致，否则会出现 ImportError: DLL load failed。
Windows平台下难点主要是编译pyd文件，以及 triton 在Windows下的运行。
关于 triton，更多内容请参考本人之前的博客 Windows 下安装 triton 教程 ，triton 目前官方只有Linux 版本，想在window运行有治标不治本 以及 triton-windows 方法。前期由于认知的局限性，都采用了治标不治本，直到终极版才使用上了triton-windows 方法（torch >= 2.4.0；CUDA >=12；安装 MSVC 和 Windows SDK）。实测 治标不治本 对mamba1没有影响，但是影响mamba2。
2.1 Mamba
由于 Mamba 1 和 Mamba 2 是不同的函数，因此教程也分为了两种。注意甄别，有的安装包并没有
2.1.1 Mamba 1
如果你的显卡算力是 7.0-9.0 之间，Windows 下 Mamba 的安装参看本人博客：Window 下Mamba 环境安装踩坑问题汇总及解决方法 （无需绕过selective_scan_cuda）
如果你的显卡是老旧显卡，如算力 6.1 ，则需要自己从源码编译，并且编译前修改 setup.py 里面的参数，见 RuntimeError：CUDA error：no kernel image is available。
如果你的显卡是非常新的显卡，如算力 12.0，则需要自己从源码编译，并且编译前修改 setup.py 里面的参数，见 从源码编译causal-conv1d 1.4.0 版本 及 从源码编译 mamba-ssm2.2.2 版本。
本人暂时仅提供 显卡算力 6.0-9.0 的 whl 安装包，这些版本triton都是治标不治本：
- 算力 7.0-9.0，CUDA 11.8
- 【CSDN 渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.3；合集全家桶
- 【mbd 优惠渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.3；合集全家桶
- 算力 6.0-9.0,CUDA 11.8
- 【CSDN 渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.3；
- 【mbd 优惠渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.3；合集全家桶
注意甄别，网上部分whl安装包直接绕过了cuda加速（whl名字后部有 none-any），虽然可以很容易编译出来，但是运行速度非常缓慢，不要下载（本人编译只是为了探索研究）：
- mamba-ssm-1.1.3-py3-none-any.whl
- mamba-ssm-1.2.0.post1-py3-none-any.whl
2.1.2 Mamba 2
- 治标不治本
如果 triton-Windows 实在配置不成功，或者CUDA版本太高显卡不支持，依旧可以通过治标不治本绕过triton。
Windows下 Mamba2及高版本 causal_conv1d 安装参考本人博客：Windows 下Mamba2 环境安装问题记录及解决方法（causal_conv1d=1.4.0）
本人暂时仅提供 显卡算力 6.0-9.0 的 CUDA11.8 的 whl 安装包，这些版本triton都是治标不治本：
- 【CSDN 渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；
- 【mbd 优惠渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；合集全家桶
其他算力的只能参考后面终极版以及高算力版。
- 终极版
如果你可以配置好 triton-Windows，并且想体验mamba2，算力是6.0 - 9.0 之间
可以参考本人博客：Windows 下Mamba2 / Vim / Vmamba 环境安装问题记录及解决方法终极版（无需绕过triton）
特别的，如果你的显卡是GeForce RTX 20系列或者GTX 1650等，请一定要注意问题：Mamba2 出现 IndexError: invalid map<K, T> key 或者 IndexError: map::at （20250401更新）
本人暂时仅提供 显卡算力 6.0-9.0 的 CUDA12.4 的 whl 安装包：
- 【CSDN 渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；合集全家桶
- 【mbd 优惠渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；合集全家桶
- 高算力版
如果你的显卡是5070,5080,5070Ti等GTX 50系显卡，算力高达12.0，参考本人博客：Windows 下 Mamba / Vim / Vmamba 环境配置安装教程（适用于5070,5080,5070Ti等GTX 50系显卡）。
本人暂时仅提供 显卡算力 12.0 的 CUDA12.8 的 whl 安装包：
- 【CSDN 渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；合集全家桶
- 【mbd 优惠渠道】：causal-conv1d-1.4.0；mamba-ssm-2.2.2；合集全家桶
2.2 Vim
Vim （Vision Mamba） 官方代码链接为：https://github.com/hustvl/Vim。注意，Vim （Vision Mamba）和 Vmamba （VMamba: Visual State Space Model）虽然都是基于mamba，但是它们不是同一篇！
- 治标不治本
如果 triton-Windows 实在配置不成功，或者CUDA版本太高显卡不支持，算力是7.0 - 9.0 之间依旧可以通过治标不治本绕过triton。
Windows 下 Vim 安装问题参看本人博客：Window 下 Vim 环境安装踩坑问题汇总及解决方法
本人暂时仅提供 显卡算力 7.0-9.0 的 Vim whl 安装包：
- 【CSDN 渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；
- 【mbd 优惠渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；合集全家桶
- 终极版
如果你可以配置好 triton-Windows，并且想体验vim，算力是6.0 - 9.0 之间
可以参考本人博客：Windows 下Mamba2 / Vim / Vmamba 环境安装问题记录及解决方法终极版（无需绕过triton）
本人暂时仅提供 显卡算力 6.0-9.0 的 CUDA12.4 的 whl 安装包：
- 【CSDN 渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；合集全家桶
- 【mbd 优惠渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；合集全家桶
- 高算力版
如果你的显卡是5070,5080,5070Ti等GTX 50系显卡，算力高达12.0，参考本人博客：Windows 下 Mamba / Vim / Vmamba 环境配置安装教程（适用于5070,5080,5070Ti等GTX 50系显卡）。
本人暂时仅提供 显卡算力 12.0 的 CUDA12.8 的 whl 安装包：
- 【CSDN 渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；合集全家桶
- 【mbd 优惠渠道】：causal-conv1d-1.1.1；mamba-ssm-1.1.1；合集全家桶
2.3 Vmamba
Vmamba 安装完成之后 pip list 显示的是 selective_scan，其包括的库是 selective_scan_cuda_oflex （我称之为“不含core”），如果需要 selective_scan_cuda_core模块，则需要修改 setup.py 然后编译，这里将同时包括这两个库的称为“含core版本”。
- 治标不治本
如果 triton-Windows 实在配置不成功，或者CUDA版本太高显卡不支持，算力是7.0 - 9.0 之间依旧可以通过治标不治本绕过triton。
Windows 下 VMamba的安装参看本人博客：Windows 下 VMamba 安装教程（无需更改base环境中的cuda版本且可加速）
本人暂时仅提供 显卡算力 7.0-9.0 的 Vmamba whl 安装包：
- 不含 core，CUDA 11.8
- 【CSDN 渠道】：selective-scan-0.0.2
- 【mbd 优惠渠道】：selective-scan-0.0.2
- 含 core，CUDA 11.8
- 【CSDN 渠道】：selective-scan-0.0.2
- 【mbd 优惠渠道】：selective-scan-0.0.2
- 终极版
如果你可以配置好 triton-Windows，并且想体验vim，算力是6.0 - 9.0 之间
可以参考本人博客：Windows 下Mamba2 / Vim / Vmamba 环境安装问题记录及解决方法终极版（无需绕过triton）
本人暂时仅提供 显卡算力 6.0-9.0 的 CUDA12.4 的 whl 安装包（均含core）：
- 算力 8.9,CUDA 12.4
- 【CSDN 渠道】：selective-scan-0.0.2
- 【mbd 优惠渠道】：selective-scan-0.0.2
- 算力 6.0-9.0,CUDA 12.4
- 【CSDN 渠道】：selective-scan-0.0.2
- 【mbd 优惠渠道】：selective-scan-0.0.2
- 高算力版
如果你的显卡是5070,5080,5070Ti等GTX 50系显卡，算力高达12.0，参考本人博客：Windows 下 Mamba / Vim / Vmamba 环境配置安装教程（适用于5070,5080,5070Ti等GTX 50系显卡）。
本人暂时仅提供 显卡算力 12.0 的 CUDA12.8 的 whl 安装包（均含core）：
- 【CSDN 渠道】：selective-scan-0.0.2
- 【mbd 优惠渠道】：selective-scan-0.0.2
3. Linux / Windows 双平台合集
早期的时候，本人还将Linux 和 Windows 的版本也一并打包形成合集（含生成的 .so 文件或者 .pyd 文件），不过根据反馈没有太多需要。这些双平台合集都是 triton 治标不治本 版本，且都是早期版本，仅支持显卡算力 7.0-9.0 ，CUDA 11.8，python 3.10，torch 2.1.1，留给有需要的同学：
- mamba 1.1.3 安装包，包括Windows和Linux
- Vim 安装包，包括Windows和Linux
- vmamba 安装包，包括Windows和Linux
4. 基于 Mamba 的各种项目
4.1 MambaYOLO
Mamba-Yolo （AAAI 2025）是《Mamba YOLO: SSMs-Based YOLO For Object Detection》一文中提出的，在Yolo v8中加入VMamba模块的Yolo算法。GitHub项目代码为：https://github.com/HZAI-ZJNU/Mamba-YOLO。
这个项目基于的是Vmamba，因此可以去查询 Vmamba 的相关博客。
特别的，Windows 下的环境安装配置参考本人之前的博客：Windows 下 Mamba Yolo 的运行环境配置（最全）。