环境配置系统说明系统说明实验环境系统是ubuntu24.04安装的显卡驱动是NVIDIA-Linux-x86_64-595.80.run。安装完成后Dos窗口输入watch -n 1 nvidia-smi或者nvidia-smi查看显卡的支持CUDA版本信息实验电脑环境如下可以看到CUDA Version: 13.2说明显卡最高支持到13.2。但是这里存在一个问题为了能成功配置好mamba的环境我们不能选择的cuda版本太高因为mamba_smm这个库是必须安装的它所构建时官方是在cuda11.8和12.2分别构建的为了不出问题我们安装cuda时就选择低一点版本的我测试了好多次最终选择了一个11.6的,cudnn选择的是9.0的。关于cuda和cudnn的安装可以看我的这一篇博客写的很详细https://blog.csdn.net/weixin_43552197/article/details/141752884?spm1001.2014.3001.5501这里其实有点奇怪我安装的时候我记得我选择的是cuda的12.2版本cudnn的9.0,但是写博客的时候看实际上是cuda11.6cudnn9.0,但是umamba可以运行没问题。就先这样不管了基础环境与pytorch的安装创建一个虚拟环境conda create-nmambapython3.10-yconda activate mamba这个安装也有讲究因为我用的最新的mamba版本在之前的测试中老报torch版本过低让大于2.4版本这与transformers这个包有关降低一下版本号即可后面我会给出对应的版本截图大家可以参照。关于pytorch的安装可以参照我这一篇博客https://blog.csdn.net/weixin_43552197/article/details/141754648?spm1011.2124.3001.6209声明这里我用的python版本是3.10.torch2.1.2cu118torchaudio2.1.1cu118torchvision0.16.1cu118这里之所以是cu118是因为mamba_ssm和causal-conv1d是用cu118和cu122编译的之前搞了好几次都报错查到有人说要注意这个版本按照这个说法改了之后真好了。5. U-mamba代码下载https://github.com/bowang-lab/U-Mamba6. 两个包的下载一定要下载离线包然后再安装这里很重要1causal-conv1dhttps://github.com/Dao-AILab/causal-conv1d/releases2mamba_ssm: https://github.com/state-spaces/mamba/releases本实验使用的是mamba_ssm1.2.0.post1causal-conv1d1.2.0为了防止报pytorch3.4,我们直接安装transformers4.37.2否则默认给你安装最新的5.x版本就会出现上述错误。另外numpy1.26.4版本不然会报错说有的模块用的是1.x而现在的numpy是2.x。7. 测试一下主要的安装成功没有如果安装成功就没问题了python-cimport mamba_ssm; print(安装成功)python-cimport torch; print(安装成功)7.下载代码https://github.com/bowang-lab/U-Mamba然后在mamba虚拟环境下执行cdU-Mamba/umamba and run pipinstall-e.这里需要注意U-mamba替换成你的代码下载目录创建文件夹下载的代码里面没有nnUNet_preprocessed和nnUNet_results两个文件夹只有nnUNet_raw所以需要保持三个文件夹齐全将你的数据集按照nnunet格式进行处理格式如下nnUNet_raw/Dataset002_Heart/ ├── dataset.json ├── imagesTr │ ├── la_003_0000.nii.gz │ ├── la_004_0000.nii.gz │ ├──... ├── imagesTs │ ├── la_001_0000.nii.gz │ ├── la_002_0000.nii.gz │ ├──... └── labelsTr ├── la_003.nii.gz ├── la_004.nii.gz ├──...预处理数据集nnUNetv2_plan_and_preprocess-dDATASET_ID--verify_dataset_integrity例如我的叫Dataset002_Heart那么DATASET_ID2我执行的就是 nnUNetv2_plan_and_preprocess-d2--verify_dataset_integrity执行完毕后nnUNet_preprocessed里面就有与预处理好的数据集了训练2D 模型 nnUNetv2_train DATASET_ID 2d all-trnnUNetTrainerUMambaBot nnUNetv2_train DATASET_ID 2d all-trnnUNetTrainerUMambaEnc 3D模型 nnUNetv2_train DATASET_ID 3d_fullres all-trnnUNetTrainerUMambaBot nnUNetv2_train DATASET_ID 3d_fullres all-trnnUNetTrainerUMambaEncpython-mnnunetv2.run.run_training23d_fullres all-trnnUNetTrainerUMambaEnc 上面训练是官网给的我的要用这个命令才对11.推理nnUNetv2_predict-iINPUT_FOLDER-oOUTPUT_FOLDER-dDATASET_ID-cCONFIGURATION-fall-trnnUNetTrainerUMambaBot--disable_ttannUNetv2_predict-iINPUT_FOLDER-oOUTPUT_FOLDER-dDATASET_ID-cCONFIGURATION-fall-trnnUNetTrainerUMambaEnc--disable_tta到此结束总结一下网上怎么写的都有比较乱我觉得都没有写清楚特此记录一下。
U-mamba环境配置与训练ubuntu24.4+python3.10+torch2.1.1
环境配置系统说明系统说明实验环境系统是ubuntu24.04安装的显卡驱动是NVIDIA-Linux-x86_64-595.80.run。安装完成后Dos窗口输入watch -n 1 nvidia-smi或者nvidia-smi查看显卡的支持CUDA版本信息实验电脑环境如下可以看到CUDA Version: 13.2说明显卡最高支持到13.2。但是这里存在一个问题为了能成功配置好mamba的环境我们不能选择的cuda版本太高因为mamba_smm这个库是必须安装的它所构建时官方是在cuda11.8和12.2分别构建的为了不出问题我们安装cuda时就选择低一点版本的我测试了好多次最终选择了一个11.6的,cudnn选择的是9.0的。关于cuda和cudnn的安装可以看我的这一篇博客写的很详细https://blog.csdn.net/weixin_43552197/article/details/141752884?spm1001.2014.3001.5501这里其实有点奇怪我安装的时候我记得我选择的是cuda的12.2版本cudnn的9.0,但是写博客的时候看实际上是cuda11.6cudnn9.0,但是umamba可以运行没问题。就先这样不管了基础环境与pytorch的安装创建一个虚拟环境conda create-nmambapython3.10-yconda activate mamba这个安装也有讲究因为我用的最新的mamba版本在之前的测试中老报torch版本过低让大于2.4版本这与transformers这个包有关降低一下版本号即可后面我会给出对应的版本截图大家可以参照。关于pytorch的安装可以参照我这一篇博客https://blog.csdn.net/weixin_43552197/article/details/141754648?spm1011.2124.3001.6209声明这里我用的python版本是3.10.torch2.1.2cu118torchaudio2.1.1cu118torchvision0.16.1cu118这里之所以是cu118是因为mamba_ssm和causal-conv1d是用cu118和cu122编译的之前搞了好几次都报错查到有人说要注意这个版本按照这个说法改了之后真好了。5. U-mamba代码下载https://github.com/bowang-lab/U-Mamba6. 两个包的下载一定要下载离线包然后再安装这里很重要1causal-conv1dhttps://github.com/Dao-AILab/causal-conv1d/releases2mamba_ssm: https://github.com/state-spaces/mamba/releases本实验使用的是mamba_ssm1.2.0.post1causal-conv1d1.2.0为了防止报pytorch3.4,我们直接安装transformers4.37.2否则默认给你安装最新的5.x版本就会出现上述错误。另外numpy1.26.4版本不然会报错说有的模块用的是1.x而现在的numpy是2.x。7. 测试一下主要的安装成功没有如果安装成功就没问题了python-cimport mamba_ssm; print(安装成功)python-cimport torch; print(安装成功)7.下载代码https://github.com/bowang-lab/U-Mamba然后在mamba虚拟环境下执行cdU-Mamba/umamba and run pipinstall-e.这里需要注意U-mamba替换成你的代码下载目录创建文件夹下载的代码里面没有nnUNet_preprocessed和nnUNet_results两个文件夹只有nnUNet_raw所以需要保持三个文件夹齐全将你的数据集按照nnunet格式进行处理格式如下nnUNet_raw/Dataset002_Heart/ ├── dataset.json ├── imagesTr │ ├── la_003_0000.nii.gz │ ├── la_004_0000.nii.gz │ ├──... ├── imagesTs │ ├── la_001_0000.nii.gz │ ├── la_002_0000.nii.gz │ ├──... └── labelsTr ├── la_003.nii.gz ├── la_004.nii.gz ├──...预处理数据集nnUNetv2_plan_and_preprocess-dDATASET_ID--verify_dataset_integrity例如我的叫Dataset002_Heart那么DATASET_ID2我执行的就是 nnUNetv2_plan_and_preprocess-d2--verify_dataset_integrity执行完毕后nnUNet_preprocessed里面就有与预处理好的数据集了训练2D 模型 nnUNetv2_train DATASET_ID 2d all-trnnUNetTrainerUMambaBot nnUNetv2_train DATASET_ID 2d all-trnnUNetTrainerUMambaEnc 3D模型 nnUNetv2_train DATASET_ID 3d_fullres all-trnnUNetTrainerUMambaBot nnUNetv2_train DATASET_ID 3d_fullres all-trnnUNetTrainerUMambaEncpython-mnnunetv2.run.run_training23d_fullres all-trnnUNetTrainerUMambaEnc 上面训练是官网给的我的要用这个命令才对11.推理nnUNetv2_predict-iINPUT_FOLDER-oOUTPUT_FOLDER-dDATASET_ID-cCONFIGURATION-fall-trnnUNetTrainerUMambaBot--disable_ttannUNetv2_predict-iINPUT_FOLDER-oOUTPUT_FOLDER-dDATASET_ID-cCONFIGURATION-fall-trnnUNetTrainerUMambaEnc--disable_tta到此结束总结一下网上怎么写的都有比较乱我觉得都没有写清楚特此记录一下。
