你在Kaggle H100环境中安装mamba-ssm时遇到的编译wheel失败问题，大多是因为缺少编译依赖、CUDA与PyTorch版本不兼容，或是编译环境配置不到位导致的。结合你的环境配置，我整理了以下分步解决方案：

步骤1：补全编译所需的系统依赖 #

Kaggle默认环境可能缺少编译causal-conv1d和mamba-ssm必需的底层工具，先执行这条命令安装：

!apt-get update && apt-get install -y gcc g++ build-essential libopenblas-dev

步骤2：匹配PyTorch与mamba-ssm的兼容版本 #

你的环境里torch 2.10.0+cu128大概率是输入笔误（当前PyTorch稳定版最高为2.4.x），推测是2.1.0+cu128。针对这个版本，推荐安装兼容性较好的mamba-ssm版本：

!pip install mamba-ssm==2.2.2 --no-cache-dir

步骤3：优先使用预编译Wheel跳过本地编译 #

如果直接安装仍失败，可尝试指定对应CUDA 12.8的预编译wheel源，避免本地编译出错：

!pip install causal-conv1d==1.2.0 --find-links https://download.pytorch.org/whl/cu128
!pip install mamba-ssm==2.2.2 --find-links https://download.pytorch.org/whl/cu128

若官方源没有对应wheel，也可以提前下载适配cu128的wheel文件上传到Kaggle数据集，再通过本地路径安装。

步骤4：从源码安装时配置CUDA路径 #

如果必须从源码安装，要确保编译过程能正确识别CUDA位置（Kaggle的CUDA通常在/usr/local/cuda）：

!export CUDA_HOME=/usr/local/cuda
!export PATH=$CUDA_HOME/bin:$PATH
!export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
!pip install git+https://github.com/state-spaces/mamba.git --no-cache-dir

额外排查建议 #

• 清理临时空间：Kaggle环境临时磁盘空间有限，编译前可执行!rm -rf /tmp/*释放空间；
• 升级pip：旧版pip对pyproject.toml支持不佳，先执行!pip install --upgrade pip再尝试安装；
• 尝试干净环境：如果以上都不行，可创建隔离conda环境重新安装：

!conda create -n mamba_env python=3.10 pytorch=2.1.0 torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y
!conda activate mamba_env && pip install mamba-ssm

内容的提问来源于stack exchange，提问作者pandiri veeresh kumar