MindSearch 部署到Github Codespace 和 Hugging Face Space

已于 2024-10-04 17:19:04 修改
阅读量473 收藏 3
点赞数 20
文章标签： github python 人工智能
于 2024-10-04 16:23:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45047510/article/details/142693948
版权

在这里插入图片描述
conda init后需要重开终端，不然一键复制会导致后续pip install会安装错环境

还是报错

ImportError: cannot import name 'AutoRegister' from 'class_registry' (/opt/conda/envs/mindsearch/lib/python3.10/site-packages/class_registry/__init__.py)

在这里插入图片描述

pip install --upgrade class_registry

在这里插入图片描述

  1. 部署到 HuggingFace Space

打开Setting——Access token（记得里面的全勾上，不然没权限）

cd /workspaces/codespaces-blank

要进入仓库

fatal: not a git repository (or any parent up to mount point /)
Stopping at filesystem boundary (GIT_DISCOVERY_ACROSS_FILESYSTEM not set).

1.报错：fatal: not a git repository (or any parent up to mount point /)
Stopping at filesystem boundary (GIT_DISCOVERY_ACROSS_FILESYSTEM not set).
解决： git init 

2.报错：error: No such remote 'space'
解决：git remote -v   #如果没有任何反应表示需要添加
git remote add space https://huggingface.co/spaces/<你的名字>/<仓库名称>

报错和流程修正参考

hugging face成果
在这里插入图片描述

篝火
关注
MindSearch 部署到Github Codespace 和 Hugging Face Space（学习笔记）
weixin_49463617的博客
09-01 880
随着硅基流动提供了免费的 InternLM2.5-7B-Chat 服务（免费的 InternLM2.5-7B-Chat 真的很香），MindSearch 的部署与使用也就迎来了纯 CPU 版本，进一步降低了部署门槛。在最后，将 /root/mindsearch/mindsearch_deploy 目录下的文件（使用 git）提交到 HuggingFace Space 即可完成部署了。现在codespace就是本地仓库，huggingface space是远程仓库，接下来使用方法就和常规的git一样了。
【MindSearch】MindSearch 部署到Github Codespace 和 Hugging Face Space
googteo的博客
09-10 125
https://huggingface.co/spaces/Awaken/huixiang
书生实战营-L2-MindSearch 部署到Github Codespace 和 Hugging Face Space
m0_52343470的博客
08-30 325
由于硅基流动 API 的相关配置已经集成在了 MindSearch 中，所以我们可以直接执行下面的代码来启动 MindSearch 的后端。首先创建新 API 密钥，然后点击密钥进行复制，以备后续使用。最后，我们先新建一个目录，准备提交到 HuggingFace Space 的全部文件。填这个new secrets时候，复制API Key一定要显性复制，不然会报错。在后端启动完成后，我们打开新终端启动 MindSearch 的前端。来注册硅基流动的账号（如果注册过，则直接登录即可）。
书生·浦语大模型实战营(MindSearch 部署到Github Codespace 和 Hugging Face Space)
u013232710的博客
09-25 184
其中，app.py 的内容如下可查看以下链接:git clone https://huggingface.co/spaces/<你的名字>/<仓库名称>cd <仓库名称>
MindSearch HuggingFace部署 + 小白详细步骤
VC_Alexa的博客
08-24 577
尤其教程最后一步一句话：将 /root/mindsearch/mindsearch_deploy 目录下的文件（使用 git）提交到 HuggingFace Space 即可完成部署。借着github的codespaces窗口里继续写，按教程创建复制好文件，mindsearch_deploy文件夹下创建app.py。去setting设置access token，创建一个新的，记下name，创建复制好那一串密钥到别处备用。老样子，右边不出字，我之前就这样，不纠结了。按教程即可，中间有个小技巧解决。
进阶岛 - MindSearch(CPU版)部署到github codespace
纸上得来终觉浅 绝知此事要躬行
08-23 946
github codespace很好用，丝滑、快速huggingface的space管理代码也很好用，自动编译、容器打包、发布一气呵成mindsearch很好用，效果超出预想。planner和searcher的交互丝滑、有效率。mindsearch内置搜索可解决很多通用问题，让agent的外挂API可以聚焦特定场景不重复造轮子效果于远远超出以前试用的各种开源Agent，具备实用价值。
InternStudio大模型之路（十六）：MindSearch 快速部署到Github 和 Hugging Face
weixin_56460049的博客
09-06 891
随着硅基流动提供了免费的 InternLM2.5-7B-Chat 服务（免费的 InternLM2.5-7B-Chat 真的很香），MindSearch 的部署与使用也就迎来了纯 CPU 版本，进一步降低了部署门槛。那就让我们来一起看看如何使用硅基流动的 API 来部署 MindSearch 吧。
MindSearch 部署到Hugging Face Space
2303_77267815的博客
09-07 698
按照教程，将 MindSearch 部署到 HuggingFace 并美化 Gradio 的界面，并提供截图和 Hugging Face 的Space的链接。首先，我们打开 https://account.siliconflow.cn/login 来注册硅基流动的账号（如果注册过，则直接登录即可）。由于硅基流动 API 的相关配置已经集成在了 MindSearch 中，所以我们可以直接执行下面的代码来启动 MindSearch 的后端。浏览器会自动在新的页面打开一个web版的vscode。
MindSearch 部署的到 Hugging Face Space
GYX67的博客
08-23 723
和相比区别是把internstudio换成了github codespace。随着硅基流动提供了免费的 InternLM2.5-7B-Chat 服务（免费的 InternLM2.5-7B-Chat 真的很香），MindSearch 的部署与使用也就迎来了纯 CPU 版本，进一步降低了部署门槛。那就让我们来一起看看如何使用硅基流动的 API 来部署 MindSearch 吧。
[LLM]Hugging Face 的 Autotrain-Advanced 探索
摩登都市天空---专栏
07-03 874
AutoTrain Advanced，这是一款无代码工具，专门设计用于让用户无需编写一行代码即可创建、微调和部署自己的 AI 模型。只需上传数据即可训练自定义机器学习模型。AutoTrain 将自动为你的数据找到最佳模型。它不仅可以帮助机器学习工程师，甚至可以帮助非开发人员轻松训练最先进的 ML 模型。只需要简单几步即可快速完成模型的微调、训练、推理和部署。AutoTrain 是一种自动训练和部署最先进的机器学习模型的方法，与 Hugging Face 生态系统无缝集成。
hugging face 使用教程———快速入门
TigerZ*的博客
07-24 1277
本篇存在的意义是快速介绍hugging face使用，梳理主要部件，梳理易混淆概念。原因是：目前hugging face的使用，官方放在了3个地方（参考链接部分）：使用文档、NLP教程、Transformers git的readme 文件，很多重叠内容比较浪费时间，很容易看懵。等大家有了主要概念再去看需要具体看某个函数或功能。
180B参数的Falcon登顶Hugging Face，vs chatGPT 最好开源大模型使用体验
Cachel Wood的博客
09-09 1382
在回答问题的深度和广度上都明显优于只有70亿参数量的。拥有1800亿的参数量，在智能问答领域做到了。，并且对中文的支持更好。
调试hugging face的transformers框架
我乐飞的技术博客
12-14 2293
使用pycharm，远程调试服务骑上的代码时，transformer的代码跳转不进去，会失败，为了详细研究transformer的代码，可以把transformer源码下下来，在进行调试即可。
不科学上网使用Hugging Face的Transformers库
数字人生
05-01 3327
总之，通过上述方法，即使不科学上网，也可以在国内正常使用Hugging Face的Transformers库进行自然语言处理相关的研究和开发工作。如果使用的是Docker，并且需要拉取Hugging Face的Transformers库的镜像，可能需要配置Docker以使用代理。此外，为了确保安装过程顺利，可以尝试通过清华大学的镜像源来安装所需的依赖包，这样可以加快下载速度并避免潜在的网络问题。通过上述方法，即使在没有互联网连接的情况下，也可以使用Hugging Face的Transformers库。
Github 2024-09-28Rust开源项目日报Top10
老孙正经胡说
09-28 950
根据Github Trendings的统计，今日(2024-09-28统计)共有10个项目上榜。
0基础学前端 day6 -- 搭建github pages静态网址
无限大的博客
09-28 1211
标题：如何通过 GitHub Pages 创建一个静态网站GitHub Pages 是 GitHub 提供的一项免费服务，允许用户从 GitHub 仓库中托管静态网站。对于开发者和非开发者来说，这都是一个极其便利的工具，用于创建和发布个人博客、项目文档或作品集。GitHub Pages 是基于 GitHub 仓库创建的静态网站托管服务。用户可以把 Markdown 或 HTML 文档转化为网站来展示，并拥有一个免费的 github.io 域名。这些网站通常托管在 GitHub 的服务器上，任何人都可以通过浏
opus基础简介（github）
weixin_52734695的博客
09-27 600
在 Opus 1.5 中，我们增加了一个基于深度学习的冗余编码器，通过在每个数据包的填充数据中嵌入一秒钟的恢复数据来增强丢包网络中的音频质量。DRED 由亚马逊网络服务公司 (Amazon Web Services) 最初资助开发，实施已开源，并在 IETF 开始了标准化过程： https://datatracker.ietf.org/doc/draft-ietf-mlcodec-opus-extension/ Opus 1.5 的发布不会改变 Opus 的许可协议或知识产权状态。
Vortex GPGPU的github流程跑通与功能模块波形探索
最新发布
weixin_41029027的博客
10-01 1058
文章目录前言一、跟着官方文档走一遍二、cache子模块的波形仿真2.1 必要的文件内容解释2.2 cache子模块波形仿真——目前环境没啥问题了，就vcd因为配置问题出不来总结 前言 看了那么久的verilog代码和文档，但还是没怎么接触过Vortex GPGPU全流程跑通与功能模块的波形显示。这一节就开始尝试探索这块内容。 一、跟着官方文档走一遍 已经有博客做了流程尝试，看了是通过容器保存运行环境的，我呢，还是老老实实按照流程走！ 主要还是参考这个文档：https://github.com/vorte
flask项目部署到github
06-02
可以将 Flask 项目部署到 GitHub Pages 或者使用 GitHub Actions 自动部署到服务器。 方法一：部署到 GitHub Pages 1. 在 GitHub 上创建一个新的 repository。 2. 在本地创建一个 Flask 项目，并将其推送到 GitHub repository。 3. 在项目根目录下创建一个名为 `docs` 的文件夹，并在其中创建一个名为 `index.html` 的文件。此文件将作为 GitHub Pages 的主页。 4. 在项目根目录下创建一个名为 `.github/workflows` 的文件夹，并在其中创建一个名为 `deploy.yml` 的文件。此文件将自动部署项目到 GitHub Pages。 5. 在 `deploy.yml` 文件中添加以下代码： ```yaml name: Deploy on: push: branches: - main jobs: deploy: runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/checkout@v2 - name: Setup Python uses: actions/setup-python@v2 with: python-version: '3.x' - name: Install dependencies run: pip install -r requirements.txt - name: Build static files run: | export FLASK_APP=app.py flask build - name: Deploy to GitHub Pages uses: peaceiris/actions-gh-pages@v3 with: github_token: ${{ secrets.GITHUB_TOKEN }} publish_dir: ./docs ``` 6. 推送代码到 GitHub repository，GitHub Actions 将自动部署项目到 GitHub Pages。 方法二：使用 GitHub Actions 自动部署到服务器 1. 在 GitHub 上创建一个新的 repository。 2. 在本地创建一个 Flask 项目，并将其推送到 GitHub repository。 3. 在服务器上安装 Docker 和 Docker Compose。 4. 在项目根目录下创建一个名为 `.github/workflows` 的文件夹，并在其中创建一个名为 `deploy.yml` 的文件。此文件将自动部署项目到服务器。 5. 在 `deploy.yml` 文件中添加以下代码： ```yaml name: Deploy on: push: branches: - main jobs: deploy: runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/checkout@v2 - name: Setup Python uses: actions/setup-python@v2 with: python-version: '3.x' - name: Install dependencies run: pip install -r requirements.txt - name: Build static files run: | export FLASK_APP=app.py flask build - name: Build Docker image run: | docker-compose build - name: Push Docker image to registry uses: docker/build-push-action@v2 with: context: . push: true tags: user/app:${{ github.sha }} env: DOCKER_USERNAME: ${{ secrets.DOCKER_USERNAME }} DOCKER_PASSWORD: ${{ secrets.DOCKER_PASSWORD }} - name: Deploy to server uses: appleboy/ssh-action@master with: host: ${{ secrets.HOST }} username: ${{ secrets.USERNAME }} key: ${{ secrets.KEY }} port: ${{ secrets.PORT }} script: | docker-compose pull docker-compose up -d ``` 6. 在项目根目录下创建一个名为 `docker-compose.yml` 的文件，用于定义 Docker 容器。 ```yaml version: '3' services: app: image: user/app:${{ github.sha }} ports: - 80:5000 ``` 7. 在服务器上创建一个名为 `.env` 的文件，并在其中添加以下代码： ```bash FLASK_APP=app.py FLASK_ENV=production SECRET_KEY=<your-secret-key> ``` 8. 在服务器上运行以下命令以启动容器： ```bash docker-compose pull docker-compose up -d ``` GitHub Actions 将自动构建和部署 Docker 容器到服务器上。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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