mteb安装失败 pytrec_eval安装失败 trec_eval安装失败

最新推荐文章于 2024-08-22 17:50:42 发布
最新推荐文章于 2024-08-22 17:50:42 发布
阅读量456 收藏 1
点赞数 2
分类专栏： mate NLP pip 文章标签： pip
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/weixin_41318625/article/details/136847363
版权
NLP 同时被 3 个专栏收录
6 篇文章 0 订阅
订阅专栏
mate
1 篇文章 0 订阅
订阅专栏
pip
1 篇文章 0 订阅
订阅专栏
文章讲述了在服务器上遇到无法联网下载pytrec_eval的问题，通过本地下载并修改setup.py引入地址，最终成功安装的过程。
摘要由CSDN通过智能技术生成

服务器不能联网，因为网络原因无法下载pytrec_eval
https://pypi.org上下载包后，上传到服务器上

cd pytrec_eval
python setup.py install

还会失败，因为需要远程下载trec_eval
再去https://pypi.org上下载trec_eval

vim setup.py
直接讲trec_eval的引入地址修改
保存，即可成功完成mteb安装
在这里插入图片描述

weixin_41318625
关注
专栏目录
语义检索-BAAI Embedding（bge-large-zh-v1.5）语义向量模型深度解析[0]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性
丨汀、的博客
07-01 1179
语义检索-BAAI Embedding（bge-large-zh-v1.5）语义向量模型深度解析：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性
语义检索-BAAI Embedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性
丨汀、的博客
07-01 376
语义检索-BAAI Embedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性
安装pytrec_eval遇到的问题
qq_50000922的博客
07-17 1584
链接：https://askubuntu.com/questions/637014/gcc-error-trying-to-exec-cc1plus-execvp-no-such-file-or-directory。参考链接：https://stackoverflow.com/questions/17972347/error-command-gcc-failed-no-such-file-or-directory。pytrec-eval是一个测评包，具有多种评估指标，是较为常见的评价工具。
安装pytrec_eval报错ConnectionResetError
最新发布
xiaodingdang1022的博客
08-22 342
点击url离线下载对应的安装包：trec_eval-9.0.8.tar.gz。1，首先在这里下载离线安装包：pytrec_eval-0.5.tar.gz。
trec_eval.exe
08-27
信息检索效果的评价软件， 带例子，可用于评测信息检索系统的好坏
推荐开源项目：pytrec\_eval - Python中的信息检索评估工具
gitblog_00068的博客
05-29 429
推荐开源项目：pytrec_eval - Python中的信息检索评估工具 pytrec_evalpytrec_eval is an Information Retrieval evaluation tool for Python, based on the popular trec_eval.项目地址:https://gitcode.com/gh_mirrors/py/pytrec_eval ...
python神奇函数之eval（）学习
热门推荐
Together_CZ的博客
05-23 7万+
python中有很多内置的很有用的工具函数，熟练地使用这些小工具绝对可以帮助你在工作中达到事半功倍的效果，今天由于需要用到了eval（）函数，这个函数其实之前就用过了但是由于最近一直忙于看论文和方向上的一些其他的事，这个东西也就慢慢忘掉了，今天要用，索性直接再学一下，这里就作为是学习的记录了。 eval（）官方文档里面给出来的功能解释是：将字符串string对象转化为有效的表达式参与求值运算返回
（八）结果验证
Simonsdu的博客
06-12 865
评价基于预训练模型的检索系统性能
LM-Cocktail[2]：一种创新的模型合并方法打破预训练语言模型微调后的性能局限，实现语言模型在一般任务与特定领域的均衡高性能
丨汀、的博客
07-02 395
LM-Cocktail：一种创新的模型合并方法打破预训练语言模型微调后的性能局限，实现语言模型在一般任务与特定领域的均衡高性能
基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[1]-最新版快速实践并部署（检索增强生成RAG大模型）
丨汀、的博客
06-13 1720
基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[1]-最新版快速实践并部署（检索增强生成RAG大模型）
语义检索-BAAI Embedding语义向量模型深度解析【3】：微调Cross-Encoder以提升语义检索精度
丨汀、的博客
07-03 364
语义检索-BAAI Embedding语义向量模型深度解析：微调Cross-Encoder以提升语义检索精度
PARADE
qq_45627332的博客
04-03 1482
PARADE: Passage Representation Aggregation for Document Reranking翻译 作者：Canjia Li, Andrew Yates, Sean MacAvaney, Ben He，Yingfei Sun Abstract 经过预训练的transformer模型，如BERT和T5，已证明在特殊通道和文档排序方面非常有效。由于这些模型固有的序列长度限制，它们需要遍历文档的段落，而不是一次处理整个文档序列。虽然已经提出了几种聚集通道级信号的方法，但这些技术
TREC Precision Medicine 使用Terrier进行信息检索
GouGe_CSDN的博客
11-21 3104
一、实验目标 学会使用一个信息检索系统完成给定的信息检索任务，包括创建索引、选择检索模型并设置参数、评价检索结果等等。 二、实验描述 使用一个信息检索系统，例如Galago、Elastic Search、Terrier、Anserini等，完成TREC 2018 Precision Medicine Track的检索任务，要求至少给出10组不同参数配置或检索方案的结果，并给出每组检索结果的各...
pip安装包报错unable to get local issuer certificate
吴国凯的博客
03-29 4479
pip install xxx时报错 [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate 报错信息如下 pip3 install pytrec_eval Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple Collecting pytrec_eval Using cached .
TREC之使用terrier进行信息检索
weixin_46092581的博客
12-27 1748
这篇文章是用来记录我们使用信息检索工具terrier时的一些经验。 我们在使用terrier的时候找资料非常费劲，我们就想把我们的实验经验分享出来，同时也非常感谢各位给我们提供过帮助的朋友。我们尽量在文章中把每一步都讲出来，以及处理中的一些问题。
【mteb[beir]】Fetching trec_eval from https://github.com/usnistgov/trec_eval/archive/v9.0.8.tar.gz.
Learning from the mistakes
10-07 265
我发现我使用的是百度源来安装的，大概是百度源的问题。
pytorch的eval()失效剖析及解决方案
benben044的专栏
05-25 2597
model eval()失效的表现、原因剖析、解决方案
Coding and Paper Letter（六十三）
weixin_34274029的博客
04-15 312
2019独角兽企业重金招聘Python工程师标准>>> ...
BEG模型升级：C-Pack推动通用中文嵌入领域的突破
值得注意的是，BAAI不仅发布了针对中文的资源，也发布了针对英语的模型，其中英文模型在MTEB基准上实现了最先进的性能。 通过C-Pack，研究人员和开发者能够利用这些高质量的资源来提升中文和英语文本嵌入模型的性能...
评论 1
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