引言：
本教程旨在让零基础的小白也能成功搭建mamba环境利用CUDA加速，也就是GPU版本

由于官方至今只发布了liunx版的mamba的whl，然后我在Ubuntu下安装了之后由于Vmware不能GPU直通，然后mamba要求必须使用CUDA，所以我在该系统版本下并没有成功，于是就只有在windows下寻找方法，然后就有了这篇教程，因为windows的mamba-ssm相关的编译包已经有大佬做出来了，所以经过我的尝试它们的whl来进行mamba环境搭建，并且成功运行测试mamba可以成功使用。
Ps：mamba相关的whl链接放在文章的最后了大家可以免费获取

环境：
系统：Windows11
工具：Anaconda
显卡：NVIDIA4060（显卡要求需要带CUDA）
废话不多少，直接开始！

第一步：创建anconda环境方便管理

win+R输入cmd进入shell，执行以下命令创建名为mamba的虚拟环境，指定python版本为3.10

conda create -n mamba python=3.10

第二步：进入创建好的虚拟环境安装mamba相关的包，以及其他基础环境

为了更方便的安装whl，直接找到whl所在目录，然后在该目录下输入cmd进入shell，或者在shell中cd到whl所在目录

激活我们刚刚创建的环境

conda activate mamba

左侧显示mamba虚拟环境名称就说明激活成功

现在依次安装下面的包
1.cudatoolkit (GPU加速环境)
2.torch + torchvision + torchaudio (深度学习主框架)
3.setuptools (负责正确安装底层扩展)
4.packaging (处理版本兼容性)
依次执行以下4个命令

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 packaging

现在介绍一下whl相关的文件，链接里面的文件如下，Readme有相关安装指导

mamba_ssm包是实现 Mamba 状态空间模型（Mamba SSM） 的 Python 库

Mamba 是一种用于序列建模的架构，旨在替代 Transformer，实现更高效的长序列处理。
主要功能包括：

• 状态空间建模（State Space Models）

• 高效并行计算内核（通常依赖 CUDA）

• 推理和训练接口（PyTorch）

causal_conv1d实现了 一维因果卷积（Causal 1D Convolution），是 Mamba 模型在进行状态更新时用到的核心算子。

• 用于高效实现时间序列的前向传播；

• 替代标准卷积，以保证“因果性”（即不能看到未来输入）；

• 在 GPU 上优化过，性能很关键。

Ps: 没有这个包，mamba_ssm 运行时会报错（例如 ImportError: No module named 'causal_conv1d'）

Triton 是 OpenAI 出品的高性能 GPU kernel 编译框架。
它允许开发者用 Python 写出比 PyTorch 更底层、但仍然简洁的 GPU 计算逻辑。

在这里，mamba_ssm 和 causal_conv1d 很可能使用 Triton 内核 来实现高效的 GPU 计算。

简单来说：

• triton：提供 GPU 编译与加速的“引擎”；

• causal_conv1d：定义底层的卷积算子（用 Triton 实现）；

• mamba_ssm：在高层调用这些算子，实现完整的 Mamba 模型。

为了保证安装成功建议按照我顺序来进行这3个包的安装
注意：先检查是否当前目录存在这些文件，如果没有这些文件可以返回第二步开头并激活环境再执行命令即可
先安装 triton

pip install triton-2.0.0-cp310-cp310-win_amd64.whl

再安装 causal_conv1d

pip install causal_conv1d-1.1.1-cp310-cp310-win_amd64.whl

最后安装 mamba_ssm

pip install mamba_ssm-1.1.3-cp310-cp310-win_amd64.whl

最后一步，验证安装是否有效

切换到conda的mamba虚拟环境，然后运行以下test.py代码可查看安装情况

import torch

print("检查 PyTorch GPU 状态...")
print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 是否可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU 名称: {torch.cuda.get_device_name(0)}")
    print(f"CUDA 版本: {torch.version.cuda}")
    print(f"cuDNN 版本: {torch.backends.cudnn.version()}")

try:
    from mamba_ssm import Mamba
    print("\nMamba 模块导入成功。")
except ImportError:
    print("\nMamba 模块未安装或导入失败，请检查 mamba_ssm 是否正确安装。")
    exit()

try:
    print("\n正在测试 Mamba 在 GPU 上运行...")
    model = Mamba(d_model=64, d_state=16, d_conv=4, expand=2)
    model = model.cuda() if torch.cuda.is_available() else model
    x = torch.randn(1, 16, 64).cuda() if torch.cuda.is_available() else torch.randn(1, 16, 64)
    y = model(x)
    print(f"运行成功，输出张量形状: {y.shape}")
except Exception as e:
    print(f"\nMamba GPU 运行失败: {e}")

运行成功结果

到这里恭喜你大功告成是不是很简单啊！！！

常见报错解决方法

1.module 'torch.utils._pytree' has no attribute 'register_pytree_node'. Did you mean: '_register_pytree_node'?

原因：说明 PyTorch 与 Transformers（transformers 库）版本不兼容。
解决方法：降低 transformers 版本 到mamba这个虚拟环境中执行下面的命令

# 卸载新版 transformers
pip uninstall transformers -y
# 安装兼容版本
pip install transformers==4.36.2 

2.其他错误可尝试numpy版本是否兼容，对numpy进行降级

pip install "numpy<2.0" 
#或者指定版本
pip install numpy==1.26.4

Ps：有其他问题可在评论区讨论哦~~~ zpa666~~~
whl链接
https://pan.baidu.com/s/1YQPN2fELYv_larfZtQLHIg?pwd=xqct 提取码: xqct 
PS:如果是50系的本文mamba版本暂不支持，大家可以去看该博主的解决方法，https://blog.csdn.net/yyywxk/article/details/146798627#t13