pip 指定 安装源

简介:

用pip安装依赖包时默认访问https://pypi.Python.org/simple/,但是经常出现不稳定以及访问速度非常慢的情况,国内厂商提供的pipy镜像目前可用的有:

有两种方式使用我们自己指定的镜像源,第一种是手动指定:

pip -i http://pypi.douban.com/simple install Flask -- trusted-host pypi.douban.com

不过这种方式在每次安装时都要手动指定,因此你可以把它写在配置文件中,这就是第二种方法,在当前用户目录下创建.pip文件夹

mkdir ~/.pip

然后在该目录下创建pip.conf文件填写:

[global]trusted-host=mirrors.aliyun.com
index-url=http://mirrors.aliyun.com/pypi/simple/

上面配置是针对OSX/Linux系统,如果是Windows,那么创建%HOMEPATH%\pip\pip.ini文件来配置。

例如:C:\Users\fxl\pip\pip.ini

pip.ini配置的主要一些配置:

[global]
trusted-host=mirrors.aliyun.com
index-url=http://mirrors.aliyun.com/pypi/simple/



本文转自 Tenderrain 51CTO博客,原文链接:http://blog.51cto.com/tenderrain/1956321

相关文章
pip镜像源大全及配置
在中国使用pip时,可以配置国内镜像源来提高安装速度和稳定性。以下是一些常见的国内镜像源:
23429 0
pip install --upgrade transformers
pip install --upgrade transformers
1283 1
|
Linux
Linux中Too many open files 问题分析和解决
Linux中Too many open files 问题分析和解决
767 0
|
7月前
|
JavaScript 安全 Linux
喂饭级教程:阿里云+本地安装OpenClaw(Clawdbot)集成必备Skills配置、避坑指南与实战测试
很多用户安装完OpenClaw后,常会陷入“工具已就绪,功能用不了”的困境——明明部署流程显示成功,却无法执行联网查询、自动扩展功能等核心操作。问题的关键在于:OpenClaw的基础安装仅提供核心框架,如同买了一辆高性能汽车却未加油充电,必须通过安装专用工具与必备技能(Skills),才能激活其全量能力。本文将详解**2026年阿里云OpenClaw超简单部署流程**与**本地私有化部署方案**,重点拆解技能管理工具clawhub及三大必备Skills的安装配置,附带完整代码命令、避坑指南与实战测试,让你从“部署完成”一步到位实现“功能全开”。
6287 12
|
Linux Shell Python
python第三方库 pip install速度慢的解决办法
python第三方库 pip install速度慢的解决办法
1019 0
|
缓存 API 数据安全/隐私保护
自学记录:学习HarmonyOS Location Kit构建智能定位服务
作为一名对新技术充满好奇心的开发者,我选择了HarmonyOS Next 5.0.1(API 13)作为挑战对象,深入研究其强大的定位服务API——Location Kit。从权限管理、获取当前位置、逆地理编码到地理围栏,最终成功开发了一款智能定位应用。本文将结合代码和开发过程,详细讲解如何实现这些功能,并分享遇到的挫折与兴奋时刻。希望通过我的经验,能帮助其他开发者快速上手HarmonyOS开发,共同探索更多可能性。
928 5
|
存储 开发者 Python
【阿里云镜像】配置阿里巴巴开源镜像站镜像——PyPI 镜像
【阿里云镜像】配置阿里巴巴开源镜像站镜像——PyPI 镜像
7229 0
【阿里云镜像】配置阿里巴巴开源镜像站镜像——PyPI 镜像
|
存储 缓存 文件存储
uv安装python及其依赖的加速方法
国内在使用uv的时候,可能会涉及到装python的速度太慢的问题,为了解决这个问题,可以使用`UV_PYTHON_INSTALL_MIRROR`这个环境变量。除此以外,对于多人协作场景,`UV_CACHE_DIR`也是一个有用的环境变量。本文会介绍这两个变量。
9158 10
|
搜索推荐 算法 Go
Go语言实战案例-快速排序实现
快速排序是一种高效的排序算法,平均时间复杂度为O(n log n),采用分治法实现,适合递归教学与工程实践。本文介绍了快速排序的基本原理、Go语言实现方式、泛型扩展及使用示例,帮助读者掌握其核心思想与应用技巧。
|
机器学习/深度学习 人工智能 自然语言处理
混淆矩阵(Confusion Matrix)
随着机器学习和人工智能的迅速发展,分类模型成为了解决各种问题的重要工具。然而,仅仅知道模型预测对了多少样本是不够的。我们需要一种更详细、更系统的方法来理解模型的分类能力,以及它在不同类别上的表现。 混淆矩阵是在机器学习和统计学中用于评估分类模型性能的一种表格。它对模型的分类结果进行了详细的总结,特别是针对二元分类问题,另外混淆矩阵是用于评估分类模型性能的一种表格,特别适用于监督学习中的分类问题。它以矩阵形式展示了模型对样本进行分类的情况,将模型的预测结果与实际标签进行对比。
1918 1

热门文章

最新文章