Python安装llama库出错“metadata-generation-failed”

Python安装llama库出错"metadata-generation-failed"

  • [1. 安装llama库时出错](#1. 安装llama库时出错)
  • [2. 定位问题](#2. 定位问题)
    • [1. 去官网下载llama包](#1. 去官网下载llama包)
  • 2.修改配置文件
    • [2.1 解压文件](#2.1 解压文件)
    • [2.2 修改配置文件](#2.2 修改配置文件)
  • [3. 本地安装文件](#3. 本地安装文件)

1. 安装llama库时出错

2. 定位问题

根据查到的资料,发现时llama包中的execfile函数已经被下线了,需要我们手动修改代码后,导入包

1. 去官网下载llama包

  • lib链接: link
  • 下载.gz结尾的文件

2.修改配置文件

2.1 解压文件

解压llama-0.1.1.tar.gz 文件,并找到文件夹中的setup.py的文件

2.2 修改配置文件

在命令行进入到llama-0.1.1文件夹后,执行命令👇进入编辑模型

unix 复制代码
vi setup.py

execfile('llama/version.py') 替换为 exec(open('llama/version.py').read())

py 复制代码
#!/usr/bin/env python

import os
from setuptools import find_packages, setup

exec(open('llama/version.py').read()) # 替换原先的 execfile('llama/version.py')

with open('requirements.txt') as fh:
    required = fh.read().splitlines()

setup(
    name='llama',
    version=str(__version__),
    description='LLAMA - Loss & LAtency MAtrix',
    url='https://github.com/dropbox/llama',
    author='Bryan Reed',
    maintainer='Daniel Martin',
    author_email='breed@dropbox.com',
    maintainer_email='dmar@dropbox.com',
    license='Apache',
    classifiers=[
        'Development Status :: 1 - Planning',
        'Intended Audience :: System Administrators',
        'License :: OSI Approved :: Apache Software License',
        'Operating System :: POSIX :: Linux',
        'Programming Language :: Python :: 2.7',
        'Topic :: System :: Networking :: Monitoring',
    ],
    keywords='llama udp loss latency matrix probe packet',
    scripts=['bin/llama_collector'],
    packages=find_packages(exclude=['docs', 'tests*']),
    include_package_data=True,
    zip_safe=False,
    install_requires=required,
)

按 ESC ,英文状态下👇:

复制代码
:q! --保存退出

3. 本地安装文件

下列下面命令的含义是按照正在编辑的文件

py 复制代码
pip install -e.

安装成功:

相关推荐
兵慌码乱6 小时前
基于 MediaPipe 与 PySide2 的手势交互音乐控制系统实现:轻量化视觉交互全流程解析
python·opencv·计算机视觉·人机交互·手势识别·mediapipe·pyside2
luckdewei9 小时前
FastAPI 资产管理系统实战:复杂 ORM 关联、Alembic 迁移与 N+1 查询优化
python
武子康14 小时前
调查研究-186 LangChain 和 LangGraph 的区别:从快速构建 Agent 到生产级工作流编排
人工智能·langchain·llm
aqi0015 小时前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
JouYY16 小时前
简单聊一下Harness层中的人机协同(HITL)
前端框架·llm·agent
Csvn16 小时前
`functools.lru_cache` —— 一行代码搞定缓存加速
后端·python
AINative软件工程17 小时前
LLM 应用的 Bad Case 反馈闭环工程:别再把用户差评丢进客服表了
llm·openai·agent
金銀銅鐵1 天前
[Python] 从《千字文》中随机挑选汉字
后端·python
cup112 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill