UMamba WSL配置及踩坑记录

本文最后更新于19 天前，其中的信息可能已经过时，如有错误请发送邮件到3088506834@qq.com

安装wsl

控制面板 -> 程序 ->启用功能

勾选适用于Linux的Windows子系统

打开powershell运行

wsl.exe --install

Bash

安装同时可以在Microsoft Store中搜索Ubuntu并下载20.04.06版本

初始化ubuntu

等待安装结束后，在开始菜单中搜索ubuntu点击进入

首次进入需要设置账户密码，请自行设定

apt换源

编辑

 sudo nano /etc/apt/sources.list

Bash

在文件最前面添加如下部分

deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse

Bash

ctrl + x 输入y保存修改

运行如下命令更新apt源

sudo apt update

Bash

安装gcc

 sudo apt install gcc

Bash

安装git

sudo apt install git

Bash

安装 ninja

sudo apt-get install ninja-build

Bash

安装cuda

umabma环境要求cuda11.8

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

Bash

下载完成后运行

sudo sh cuda_11.8.0_520.61.05_linux.run

Bash

等待license弹出输入accept

如有driver不选(按空格取消选中)

选中install等待安装完成，输出类似如下结果则成功安装

安装cudnn(可选)

进入cudnn下载地址cuDNN Archive | NVIDIA Developer

找到cudnn for cuda 11.x 并下载Local Installer for Linux x86_64 (Tar)

下载结束之后打开资源管理器(计算机)找到linux，进入ubuntu，将其放到 home/{username}/ [username代指你的用户名]文件夹下

解压cudnn压缩包

tar Jxvf ~/cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz

Bash

复制文件到cuda目录，并赋予权限

sudo cp ~/cudnn-linux-x86_64-8.9.7.29_cuda11-archive/include/cudnn.h /usr/local/cuda-11.8/include
sudo cp ~/cudnn-linux-x86_64-8.9.7.29_cuda11-archive/lib/libcudnn* /usr/local/cuda-11.8/lib64
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*

Bash

配置环境变量

nano ~/.bashrc

Bash

在文件末尾添加如下

export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

Bash

ctrl+x输入y保持，并运行如下命令更新变量

source ~/.bashrc

Bash

检验cuda安装

输入 nvcc -V 得到如下输出则成功

安装MiniConda

下载安装脚本

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

Bash

运行脚本

sudo sh ./Miniconda3-latest-Linux-x86_64.sh

Bash

同意协议后输入 /home/{username}/miniconda3 然后回车

输入yes安装完成

配置环境变量

nano ~/.bashrc

Bash

在文件末尾添加如下

export PATH="/home/{username}/miniconda3/bin:$PATH"

Bash

ctrl+x输入y保持，并运行如下命令更新变量

source ~/.bashrc

Bash

输入conda正确输出则配置成功，运行下命令初始化conda

conda init bash

Bash

在windows上安装pycharm用于代码编辑

版本需要支持wsl功能，此处不细讲

配置U-Mabma

新开一个ubuntu终端，创建code目录并进入

mkdir code && cd code

Bash

克隆仓库

git clone https://github.com/bowang-lab/U-Mamba.git

Bash

使用pycharm打开

连接ubuntu20.04并选中刚刚克隆的目录

点击下载并连接，等待下载结束，打开项目后打开终端，按照README.md初始化项目

创建虚拟环境 conda create -n umamba python=3.10 -y
进入虚拟环境 conda activate umamba
将pycharm的环境切换到虚拟环境，一会有用点击添加新的解释器->添加本地解释器->选择conda->现有环境->umamba
安装pytorch
- pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118
安装causal-conv1d和mabma-ssm（坑来了）点击本处从github下载符合要求的causal-conv1d和mabma-ssm, 将下载后的两个whl文件放到项目根目录下，并在pycharm中终端执行
- pip install causal_conv1d-1.2.0.post1+cu118torch2.0cxx11abiTRUE-cp310-cp310-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
- pip install mamba_ssm-1.2.0.post1+cu118torch2.0cxx11abiTRUE-cp310-cp310-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
安装umabma

cd umamba/
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

Bash

数据集配置

在项目目录下创建DATASET文件夹,并右键复制绝对路径，进入umamba->nnunetv2->paths.py,修改base为复制的路径

在DATASET下新建nnUNet_results nnUNet_raw nnUNet_results

数据集的制作请看nnunetv2不详细说明

排坑

selective_scan_cuda

点击外部库->site-packages->mabma_ssm->ops0->selective_scan_interface.py

注释import selective_scan_cuda

将82，305行左右

def selective_scan_fn(u, delta, A, B, C, D=None, z=None, delta_bias=None, delta_softplus=False,
                     return_last_state=False):
    """if return_last_state is True, returns (out, last_state)
    last_state has shape (batch, dim, dstate). Note that the gradient of the last state is
    not considered in the backward pass.
    """
    return SelectiveScanFn.apply(u, delta, A, B, C, D, z, delta_bias, delta_softplus, return_last_state)


def mamba_inner_fn(
    xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,
    out_proj_weight, out_proj_bias,
    A, B=None, C=None, D=None, delta_bias=None, B_proj_bias=None,
    C_proj_bias=None, delta_softplus=True
):
    return MambaInnerFn.apply(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,
                              out_proj_weight, out_proj_bias,
                              A, B, C, D, delta_bias, B_proj_bias, C_proj_bias, delta_softplus)

Python

分别修改为

def selective_scan_fn(u, delta, A, B, C, D=None, z=None, delta_bias=None, delta_softplus=False,  
                     return_last_state=False):    """if return_last_state is True, returns (out, last_state)    last_state has shape (batch, dim, dstate). Note that the gradient of the last state is    not considered in the backward pass.    """    
    return selective_scan_ref(u, delta, A, B, C, D, z, delta_bias, delta_softplus, return_last_state)  
def mamba_inner_fn(  
    xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,    out_proj_weight, out_proj_bias,    A, B=None, C=None, D=None, delta_bias=None, B_proj_bias=None,    C_proj_bias=None, delta_softplus=True):  
    return mamba_inner_ref(xz, conv1d_weight, conv1d_bias, x_proj_weight, delta_proj_weight,                              out_proj_weight, out_proj_bias,                              A, B, C, D, delta_bias, B_proj_bias, C_proj_bias, delta_softplus)

Python

numpy

pip uninstall numpy
pip install numpy==1.26.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

Bash

数据集验证

nnUNetv2_plan_and_preprocess -d DATASET_ID --verify_dataset_integrity

Bash

启动训练

nnUNet_n_proc_DA=0 CUDA_VISIBLE_DEVICES=0 nnUNetv2_train 1 3d_fullres all -tr nnUNetTrainerUMambaBot

Bash

安装wsl

初始化ubuntu

apt换源

安装gcc

安装git

安装 ninja

安装cuda

安装cudnn(可选)

检验cuda安装

安装MiniConda

在windows上安装pycharm用于代码编辑

配置U-Mabma

数据集配置

排坑

selective_scan_cuda

numpy

数据集验证

启动训练

发送评论 编辑评论

推荐文章

发送评论编辑评论