想折腾bert的同学，应该也遇到这个问题。

一、报错信息分析

完整报错信息：OSError: We couldn't connect to 'https://huggingface.co' to load this file, couldn't find it in the cached files and it looks like google/mt5-small is not the path to a directory containing a file named config.json. Checkout your internet connection or see how to run the library in offline mode at 'https://huggingface.co/docs/transformers/installation#offline-mode'.

OSError 是 Python 中的一个内置异常，在处理文件或目录操作时可能会遇到。OSError 错误通常涉及到文件系统相关的操作，例如创建、读取、写入或删除文件，以及操作目录等。当执行这些操作时，如果出现了错误，就会抛出 OSError 异常。发生这个问题，处理起来就相对麻烦一点，不像ImportError只用下载安装包即可。

We couldn't connect to 'https://huggingface.co' to load this file, couldn't find it in the cached files and it looks like google/mt5-small is not the path to a directory containing a file named config.json.总之huggingface这个网站连不上去不能下载文件，虽然Hugging Face 可以连上，但没什么用，报错也支出不能在缓存文件中找到，这里就有个思路处理这个问题，把模型下载下来，然后通过缓存直接调用！

Checkout your internet connection or see how to run the library in offline mode at 'https://huggingface.co/docs/transformers/installation#offline-mode'.报错的提示是，检查你的网络连接，或者如何通过离线模式运行对应库，这两个提示也代表了两种方案，前提都是网络能连上，但连不上就不考虑了。

二、问题处理

根据上述分析给出一种基于镜像网站的解决方案。

步骤一：找到镜像网站：HF-Mirror - Huggingface 镜像站，并搜索模型

步骤二：点开Files and versions查看文件

步骤三：文件分析与下载。先读readme，讲解了"Text-to-Text Transfer Transformer" (T5)的大概，不过没用说对应文件是什么用的，各文件分析：

.gitattributes ：git操作相关属性说明。当执行 git 动作时，.gitattributes 文件允许你指定由 git 使用的文件和路径的属性，例如：git commit 等。换句话说，每当有文件保存或者创建时，git 会根据指定的属性来自动地保存。

README.md ： 说明文件，一般都得看下。
config.json ：定义了architectures等超参数

flax_model.msgpack：标注了LFS（Large File Storage），和其他两个一样，有个_model都是模型文件。Flax库和pytorch、TensorFlow一样，也是个神经网络框架。

generation_config.json：和config.json类似，也是一些超参数信息，不过是训练之后的超参数信息。

pytorch_model.bin：pytorch版本的模型，用bin存储

special_tokens_map.json：记载了特殊字符的映射，比如"unk_token"、"<unk>"都映射为空

spiece.model：包含vocab（词汇表），mt5模型由于vocab词汇表中的词汇过多，采用从spiece.model之中读取的方式处理。

tf_model.h5：TensorFlow版本的模型，用h5存储，H5文件是层次数据格式第5代的版本（Hierarchical Data Format，HDF5），它是用于存储科学数据的一种文件格式和库文件。

tokenizer_config.json：也是一种字符设置，和special_tokens_map.json类似

分析完之后，其实模型下载自己神经网络框架对应版本，其他配置文件全部下载：

步骤四：将下载好的文件放在你需要的目录下，比如我把下载文件放在'D:/download/model/mt5s/'

步骤五：修改缓存路径，并调用就行了。

model_checkpoint = 'D:/download/model/mt5s/'
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)