AutoModelForCausalLM.from_pretrained报错——requests.exceptions.ConnectionError(104)

文章描述了一个遇到的Python连接错误,具体是ConnectionError伴随着ProtocolError和ConnectionResetError。解决方案是检查并确认protobuf的版本,文中列出了一个成功运行的环境配置,包括各种库的特定版本,如deepspeed、huggingface-hub、numpy等。
摘要由CSDN通过智能技术生成

requests.exceptions.ConnectionError: (ProtocolError(‘Connection aborted.’, ConnectionResetError(104, ‘Connection reset by peer’)), ‘(Request ID: 8ac8f7f5-c8b3-4e8f-b96d-148d80b5c920)’)

在这里插入图片描述

解决办法:
检查protobuf的版本

测试成功的版本如下:

python 3.9.17
cuda 11.6

deepspeed==0.9.5
huggingface-hub==0.16.3
numpy==1.25.1
pandas==1.2.5
peft==0.3.0
Pillow==10.0.0
protobuf==3.20.1
psutil==5.9.5
requests==2.31.0
safetensors==0.3.1
scipy==1.11.1
sentencepiece==0.1.99
six==1.16.0
tensorboard==2.13.0
tensorboard-data-server==0.7.1
tokenizers==0.13.3
torch==1.13.0+cu116
torchaudio==0.13.0+cu116
torchvision==0.14.0+cu116
tqdm==4.62.3
transformers==4.30.2
urllib3==1.26.16

`.from_pretrained()` 是Hugging Face Transformers库中的一种常见用法,用于加载预训练模型及其配置。如果在网络条件不佳的情况下,直接调用该函数下载模型权重可能失败,遇到这种情况有几种解决方案: 1. **找到URL手动下载**: 文章提到的一个思路是找到合适的URL来下载权重文件。这通常涉及到查看仓库(如GitHub)或Hugging Face Model Hub上的特定模型页面,那里会有权重的下载链接。然而,具体操作需要一定的Python基础,比如使用`requests`库来访问URL并保存文件。 2. **修改`from_pretrained`方法**: 如果你不能直接下载,文章建议检查`vocos`包(假设是另一个库)的`from_pretrained`定义,它可能没有`model_key`参数。你可以尝试修改其内部实现,比如将`hf_hub_download`函数中的`repo_id`替换为具体的模型ID或更改默认的下载路径。示例中提到的方法是: ```python # 原始代码 config_path = hf_hub_download(repo_id=repo_id, filename="config.yaml", revision=revision) model_path = hf_hub_download(repo_id=repo_id, filename="pytorch_model.bin", revision=revision) # 修改后的代码(假设我们想要指定本地存储路径) custom_repo_id = "your-model-id" config_path = "path/to/local/config.yaml" if not config_path else config_path model_path = "path/to/local/pytorch_model.bin" if not model_path else model_path Vocos.config_path = config_path Vocos.model_path = model_path ``` 请注意,这些改动应在理解库设计和潜在后果的前提下进行,以免影响库的正常功能。
评论 1
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