为什么你的 Python 库老是安装不上？

对于学习 Python 而言，各种便捷而又优雅的第三方库，或者叫模块，是我们使用 Python 处理各种问题的利器。知乎就有一个 “有哪些让你相见恨晚的 Python 库” 的问题。涉及到包管理、环境管理、文件系统、文本处理、命令行工具、NLP、数据分析、机器学习、深度学习、后端开发等各个方向。

 使用这些 package 的第一个问题就是如何安装它们。对于 Python 库的安装，想必大伙都轻车熟路了。比如说直接用 Python 官方认可的包管理工具 pip 来安装，或者是使用通用的包管理系统 conda 来进行安装。再不济我们也可以直接下载.whl 文件到本地进行手动安装。  





 这么多方法，那么为什么你的 Python 库还老是安装不上？很多朋友只是习惯性使用 pip install package 来安装，一旦安装报错或者安装包下载时间过长就很是头疼。其实，我们只要做一些小小的设置就可以便捷快速地安装好这些 package。




 最常见的一个问题就是下载一些 package 的时候速度太慢，以至于等太长直接报了网络超时的错误。这是因为 pip 在安装包的时候默认使用的是国外的源文件，很多时候都是龟速下载。好在国内一些科研机构都提供了各种镜像可供选择，比如像清华镜像、阿里云、豆瓣和中科大等等。各种源地址如下：

[1] 阿里云 http://mirrors.aliyun.com/pypi/simple/[2] 豆瓣http://pypi.douban.com/simple/[3] 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/[4] 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/[5] 华中科技大学http://pypi.hustunique.com/

 在安装一些库的时候，我们可以临时启用这些镜像来提高下载速度，比如说我们从清华源来安装 selenium 库：  

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple selenium

 但如果我们需要把使用某个源变成固定设置的话，需要在用户主目录下建一个 pip.ini 的设置文件，在文件内编辑：

[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple/[install]trusted-host=pypi.tuna.tsinghua.edu.cn

 这样我们就可以持久使用清华源作为 pip 的安装源了。速度简直就是飞起来了。  





除此之外，pip 安装可能还会存在其他问题，尤其是做深度学习的朋友在安装 tensorflow 等框架库的时候。大量包依赖关系和各个包之间的版本匹配关系使得安装一个库依然很艰难。这时候可能需要解决各个包之间的依赖关系才能继续安装下去。  





 还有一种情况就是用户权限问题导致的安装失败。比如 linux 系统下由于某些用户没有 pip 安装权限导致的安装失败：

 切换用户或者修改权限后即可安装成功：

 最后，推荐一个 windows 环境下 Python 第三方库的二进制文件目录地址：  

https://www.lfd.uci.edu/~gohlke/pythonlibs/

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取==🆓