【环境搭建】linux上pip换源

使用apt下载pip3

sudo apt-get install python3-pip

使用apt下载pip,pip的版本会很低,所以尽量选择使用源码编译的方法安装pip

源码编译安装pip3

wget --no-check-certificate https://pypi.python.org/packages/source/s/setuptools/setuptools-19.6.tar.gz

解压后进入源码包

python3 setup.py build
python3 setup.py install
wget --no-check-certificate https://pypi.python.org/packages/source/p/pip/pip-9.0.2.tar.gz

解压后进入源码包

python3 setup.py build
python3 setup.py install
  1. 查看pip3版本
pip3 -V
  1. 如果安装pip3后,遇到报错

AttributeError: ‘_NamespacePath’ object has no attribute ‘sort’

解决方法如下:
重新安装setuptools和pip3
https://pypi.org/project/setuptools/下载最新的setuptools源码包
在这里插入图片描述

python3 setup.py install 
python3 easy_install.py pip

上面提到的源码编译安装方法,包版本比较旧,可以直接按此方法安装pip3

linux上pip换源

  1. 对于ubuntu系统,apt换源的方法在【环境搭建】 docker的使用和管理中进行了说明。
  2. pip换源步骤
mkdir ~/.pip
vim ~/.pip/pip.conf

注意不管是pip还是pip3,都是创建文件夹~/.pip和文件pip.conf
在文件中添加如下内容并保存:

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/

  • timeout:远程连接查询的时间,也就是说如果查询6000s还没有收到信息才会报错Read timed out.
  • index-url:后面的地址是清华大学的源,也可以换成国内的其他源

结语

如果您有修改意见或问题,欢迎留言或者通过邮箱和我联系。
如果我的文章对您有帮助,转载请注明出处。

  • 4
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Transformer是一种用于自然语言处理任务的深度学习模型架构,它在2017年由Google提出,并在机器翻译任务中取得了显著的突破。Transformer的核心思想是使用自注意力机制(self-attention)来捕捉输入序列中不同位置之间的依赖关系,从而实现对序列的建模。 Transformer架构主要由编码器(Encoder)和解码器(Decoder)两部分组成。编码器负责将输入序列进行编码,解码器则根据编码器的输出生成目标序列。 在编码器中,输入序列首先通过一个嵌入层将每个单词转换为向量表示。然后,这些向量经过多个相同的自注意力层和前馈神经网络层进行处理。自注意力层通过计算每个单词与其他单词之间的相关性得到每个单词的上下文表示。前馈神经网络层则对每个单词的上下文表示进行非线性变换。编码器可以堆叠多个这样的自注意力层和前馈神经网络层。 解码器与编码器类似,但在自注意力层中引入了额外的注意力机制,用于对编码器输出的信息进行关注。此外,解码器还包括一个线性层,用于将解码器的输出映射为目标序列的概率分布。 要在Linux上搭建Transformer的环境,可以按照以下步骤进行: 1. 安装Python和相关依赖:在Linux上安装Python,并使用pip安装所需的库,如TensorFlow或PyTorch。 2. 下载Transformer代码和数据:从相关的代码仓库或官方网站下载Transformer的代码和预训练模型,同时准备好用于训练和测试的数据集。 3. 配置环境:根据代码的要求,配置相应的环境变量和路径。 4. 训练模型:使用提供的训练脚本或代码,加载数据集并进行模型训练。根据需要,可以调整超参数和模型结构。 5. 测试模型:使用训练好的模型对新的输入进行测试,评估模型的性能和效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值