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

将 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
用户7196975933582 小时前
Llama 3 精读|附 FP8 量化与长上下文实测
llm
蜗牛互联网2 小时前
Python消费Responses SSE事件:增量文本、超时与取消
java·开发语言·人工智能·后端·python
架构师那点事儿2 小时前
大模型如何私有化部署到生产环境
人工智能·架构·llm
statistican_ABin3 小时前
中国国际旅游发展分析报告—基于世界银行国际旅游数据的多维度分析
python·机器学习·旅游
浮生望3 小时前
给 Agent 加记忆:截断、总结与向量检索三种方案怎么取舍
llm·agent
青少儿编程课堂3 小时前
背包问题(0/1 背包与完全背包)解题精讲——动态规划入门
c++·python·算法·bfs·信息学竞赛
code2cat3 小时前
【随笔】MCP工具注解的信任边界:四个提示如何参与调用决策
python·ai agent·mcp
慢云智慧空间3 小时前
从设备智能到空间理解,慢云科技如何重新定义智慧建筑
python·科技
浮链序3 小时前
用 Claude Haiku 5.5 做子智能体路由,把 Agent 成本砍掉六成
人工智能·python·llm
Soofjan3 小时前
Agent基础(3):提示工程、采样参数与 Token
llm·agent