如何使用安装包加速

本文为您详细介绍在平台开发机中如何配置APT、PIP、Conda加速源。

APT源

1. 备份现有源配置

cp /etc/apt/sources.list /etc/apt/sources.list.bak

• 两种配置方式 - 注意务必正确配置 Ubuntu 系统的发行版信息
  • Ubuntu 24.04.1 LTS (Noble Numbat) - noble
  • Ubuntu 22.04.5 LTS (Jammy Jellyfish) - jammy
  • Ubuntu 20.04.6 LTS (Focal Fossa) - focal

2. 修改 /etc/apt/sources.list 文件内容

# noble 发行版 
echo "deb https://mirror-cn-beijing2-internal.ebtech.com/repository/ubuntu/ noble main" > /etc/apt/sources.list
 # 更新源
 apt update

 # jammy 发行版 
 echo "deb https://mirror-cn-beijing2-internal.ebtech.com/repository/ubuntu/ jammy main" > /etc/apt/sources.list
 # 更新源
 apt update

# focal 发行版 
echo "deb https://mirror-cn-beijing2-internal.ebtech.com/repository/ubuntu/ focal main" > /etc/apt/sources.list
 # 更新源
 apt update

3. 安装curl示例

 apt install curl

PIP源

1. 临时使用

# 设置 pip 超时时间
## 当缓存源中没有对应的包时，缓存源会向外拉取包，此时耗时会大大提高
## 或者在 pip install 失败后重试若干次，等待缓存建立后便可以快速安装
export PIP_DEFAULT_TIMEOUT=0

# pypi.org 源
pip install jieba --index-url https://mirror-cn-beijing2-internal.ebtech.com/repository/pypi/simple

# nvidia 源
pip install jieba --index-url https://mirror-cn-beijing2-internal.ebtech.com/repository/nvidia-pypi/simple

2. 永久配置

# 设置 pip 超时时间
## 当缓存源中没有对应的包时，缓存源会向外拉取包，此时耗时会大大提高
## 或者在 pip install 失败后重试若干次，等待缓存建立后便可以快速安装
export PIP_DEFAULT_TIMEOUT=0

pip config set global.index-url https://mirror-cn-beijing2-internal.ebtech.com/repository/pypi/simple

# 额外配置 nvidia 源
pip config set global.extra-index-url "https://mirror-cn-beijing2-internal.ebtech.com/repository/nvidia-pypi/simple"

3. 安装torch示例

# 使用清华源
pip install torch --index-url https://mirror-cn-beijing2-internal.ebtech.com/repository/pypi/simple
# 使用nvidia源
pip install torch --index-url https://mirror-cn-beijing2-internal.ebtech.com/repository/nvidia-pypi/simple

Conda 源

1. 临时使用

conda install -c https://mirror-cn-beijing2-internal.ebtech.com/repository/tuna-conda/main numpy

2. 永久配置

# ~/.condarc
conda config --add channels https://mirror-cn-beijing2-internal.ebtech.com/repository/tuna-conda/main

3. 安装numpy示例

conda install numpy -y