modelscope本地模型使用教程

阿里魔塔社区modelscope（https://modelscope.cn/home）

如果使用过模型，那么模型文件默认缓存地址：C:\Users\Administrator.cache\modelscope\hub

魔塔社区本地使用：
1、安装python环境：使用miniconda：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

2、创建python虚拟环境（名字是 modelscope ）：

conda create -n modelscope python=3.8

3、初始化环境：

conda init

4、激活环境（左边变成 base，说明成功）：

conda activate

5、进入刚刚创建的环境：

conda activate modelscope

（左边的 base 变成了 modelscope，说明成功）

6、安装 PyTorch：

pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

7、安装 Tensorflow（遇到了这样的报错，应该是版本不对，直接去掉版本号，让 conda 自动为我们安装合适的版本）：
#仅支持 CPU 的版本

pip install --upgrade tensorflow==1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple

#GPU 版

pip install --upgrade tensorflow-gpu==1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple

8、ModelScope Library 安装：
（miniconda 环境，需要提前安装 setuptools_scm）

pip install setuptools-scm -i https://pypi.tuna.tsinghua.edu.cn/simple

安装ModelScope：

pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple

9、安装不同领域模型：
NLP：

pip install "modelscope[nlp]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple

CV：

pip install "modelscope[CV]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple

audio：

pip install "modelscope[audio]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：当前大部分语音模型需要在Linux环境上使用，并且推荐使用python3.7 + tensorflow 1.x的组合。
上面在Windows上安装出错

科学计算领域模型：

pip install "modelscope[science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple

10、安装验证

python -c "from modelscope.pipelines import pipeline;print(pipeline('word-segmentation')('今天天气不错，适合 出去游玩'))"

conda 的基本操作命令如下：

# 退出虚拟环境
conda deactivate

# 查看虚拟机环境
conda info -e

# 进入虚拟环境
conda activate base(虚拟环境名称)

# 删除虚拟环境
conda remove -n my_env --all

# 创建python虚拟环境
conda create --n my_env python=3.7

# 创建虚拟环境
conda create -n env_name

# 查看当前虚拟环境
conda create -n env_name