VMamba安装指南（无需修改基础环境CUDA版本）

1. 检查当前CUDA版本

打开终端，输入命令 nvcc --version 或 nvidia-smi 查看CUDA版本。记录下版本号（例如11.3或12.1），后续安装PyTorch时需要匹配此版本，确保CUDA版本不变。

2. 创建独立的虚拟环境

为了避免污染base环境，我们使用conda创建一个新环境：conda create -n vmamba python=3.9 -y，然后激活环境：conda activate vmamba。这是深度学习环境配置的基础步骤。

3. 安装匹配的PyTorch

前往PyTorch官网，根据第一步查到的CUDA版本选择对应的安装命令。例如CUDA 11.3可使用：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu113。这样安装的PyTorch会自动适配现有驱动，无需改动全局CUDA。

4. 克隆VMamba代码库

使用git克隆官方仓库：git clone https://github.com/你的VMamba仓库地址（请替换为实际地址）。如果网络慢，可以尝试代理或手动下载。进入项目目录：cd VMamba。

5. 安装项目依赖

通常项目会提供requirements.txt，执行：pip install -r requirements.txt。如果有自定义算子需要编译，确保已安装C++编译工具（如Visual Studio Build Tools或g++）。整个深度学习框架安装过程在此环境中完成，不影响其他项目。

6. 验证安装

运行一个简单测试脚本，例如：python -c "import vmamba; print(vmamba.version)"。如果无报错，说明VMamba教程部分成功，你已在不修改base环境CUDA的前提下完成了安装！

📌 注意事项：若遇到权限问题，可尝试在命令前加sudo（Linux/macOS）或以管理员运行命令行（Windows）。另外，使用虚拟环境是深度学习环境配置的最佳实践，建议所有项目都采用此方式隔离环境。