Mamba-YOLO的训练踩坑记录

  最近使用服务器跑了Mamba-YOLO，但是在配置环境的时候花费了很长的时间才解决，所以进行记录，同时也希望有缘人可以刷到，节约他们的时间，将精力花费在模型的改进等方面，而不是将时间花费在配置环境上面。

注意，这次实验实在租用的服务器上面进行的Linux，win好像配置非常麻烦，我之前在自己win电脑试了很长时间，没有成功过。

  下面直接描述步骤

1. 先到官网下载两个项目：

https://github.com/HZAI-ZJNU/Mamba-YOLO

hustvl/Vim: [ICML 2024] Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Model

vim和mamba-yolo都要下载，因为我是先按照网上配置了vim的环境，然后配置的mamba-yolo的环境。

2. 参考下面的链接，

https://blog.csdn.net/yyywxk/article/details/145005885 按照这个博客先进行vim的环境配置。如果嫌麻烦，也按照我下面的来。

环境安装：（建议就是直接复制粘贴，不要自己修改版本）

conda create -n vim python=3.10.13
conda activate vim
conda install cudatoolkit==11.8 -c nvidia
pip install torch==2.1.1+cu118 torchvision==0.16.1+cu118 torchaudio==2.1.1+cu118 -f https://mirror.sjtu.edu.cn/pytorch-wheels/torch_stable.htmlconda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc
conda install packaging

进入到vim项目中，然后执行下面的指令：

pip install causal-conv1d==1.1.1
 

在进入vim下面的一个文件夹内：

依次执行下面的指令：

cd Vim/mamba-1p1p1

# 下面我的会弹出警告，不用管
conda install nvidia/label/cuda-11.8.0::cuda-cudart-dev  # 根据CUDA版本
conda install nvidia/label/cuda-11.8.0::libcusparse-dev
conda install nvidia/label/cuda-11.8.0::libcublas-dev

MAMBA_FORCE_BUILD=TRUE pip install .
cd ../

到这一步，vim里面的工作就完成了，下面要切换到mamba-yolo的项目中。

3.mamba-yolo工程

经过上面的过程，下面可以参考官网的过程，不用到处找训练步骤了。

进入到mamba-yolo项目内：执行这两条指令：

cd selective_scan && pip install . && cd ..

pip install -v -e .

执行完成之后还会有报错：

和这句话相关的会报错，直接注释。

还会报错：RuntimeError: Numpy is not available 这个将numpy的版本降级而不是更新，下面这个版本就可以。

pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

到这一步之后，环境的配置应该是可以顺利解决了。然后就和yolo一样，数据集yaml文件的路径修改，模型配置yaml中类别的修改，然后就是训练文件的修改，原始文件中，一些数值很大不利于我们的训练。留意这些参数的配置（原始文件中我记得设置的是100多），还有路径问题，正常修改之后应该就可以顺利跑通了。祝顺利！

跑通截图：