WSL2系统下mamba-yolo模型的深度学习环境搭建

        本文将介绍如何在WSL2系统（WSL（Windows Subsyetem for Linux，适用于 Linux 的 Windows 子系统））下配置目标检测模型mamba-yolo的深度学习环境

        mamba的模块目前只看到有linux系统版本的，虽然有人改出来了windows版本的，但是似乎不太理想（被阉割、效率低等......），我没有linux服务器，只能在Win10下面创建WSL2系统，安装ubuntu22.04，以此使用mamba模块来改进图像分类和目标检测模型，以目前的训练结果来看，mamba确实有一定的优势，期待后续的改进效果。

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

        cuDNN（看安装的Pyorch版本，原因后面有解释），本文使用cuDNN8.9.7-11.x

        Pyorch >= 1.12.1 ，本文使用PyTorch-2.4.0

        Linux，本文使用Ubuntu-22.04

        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

        gcc未安装的话依次执行下面的命令

sudo apt update
sudo apt install gcc

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（或者鼠标滚轮）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：

3. 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

        注意：选择cuDNN8.9.7-11.x版本安装PyTorch2.3.0版本的话，跑mamba-yolo模型会报错

RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR

        看报错信息问题应该是安装的cuDNN版本与PyTorch版本不兼容，可以尝试安装重新安装低版本的cuDNN或者安装更新版本的PyTorch

        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

        正常应该输出下面的信息

rep CUDNN_MAJOR -A 2
#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/Anaconda3-2024.06-1-Linux-x86_64.sh

         下载完成如下图

        之后cd到你的下载目录，直接执行即可：

sh Anaconda3-2024.06-1-Linux-x86_64.sh

               按下enter键，接着也是继续按enter键，直到出现选择yes或者no，输入yes，接下来按enter即可

        这里需要选择是否要conda修改你的shell脚本，直接按enter继续（输入yes也可以）

        出现了 Thank you for installing Anaconda3! 即为安装完成

5. Conda环境创建和pytorch环境配置

 5.1 虚拟环境创建

        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 nvidia

5.2 pytorch构建工具配置修改

        先查看虚拟环境mamba的路径

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

        备注：可以在安装包时指定镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

        或者可以直接在 pip install 命令后面加上 --index-url 参数来指定镜像地址。这样不需要修改全局的配置文件，而是仅对这次安装有效

# 清华镜像
pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple seaborn

# 阿里云镜像
pip install --index-url http://mirrors.aliyun.com/pypi/simple/ seaborn

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（要注意先后顺序，先进入解压的文件夹再依次执行命令）：

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mbyolo_train.py即可开始训练

        我在使用mamba-yolo源码中的mbyolo_train.py脚本进行训练的时候有问题，即训练的时候loss有在降，但是map50，map50-90一直不变，我自己写的一个训练脚本就没有这个问题，暂时不知道是什么原因导致的

        如果有大神知道原因，欢迎告知，互相交流探讨一下