相信初学者都曾和我一样遇到过 hugging face 无法直接访问的门槛，而 Model Scope 的出现可以解决这一问题。Model Scope 被称为国内版 Hugging Face，其上的模型增长十分迅速，而且中文友好，非常适合学习大模型。从今天起，我们开始学习如何使用它。
环境选择，通常有下面三个：
- 原生 python 环境 + venv
- uv + venv
- conda + venv
推荐最后一个。
打开今日头条查看图片详情
安装 Miniconda
- 下载
curl -O https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh- 验证安装包
sha256sum Anaconda3-2025.06-1-Linux-x86_64.sh82976426a2c91fe1453281def386f9ebebd8fdb45dc6c970b54cfef4e9120857 Anaconda3-2025.06-1-Linux-x86_64.sh打开今日头条查看图片详情
对比验证一致后即可执行安装。
- 安装
# 普通用户安装（不要用 sudo）bash ~/Anaconda3-2025.06-1-Linux-x86_64.sh自动激活 conda base
一路 yes 完成安装。这样安装后，默认情况，每次进入都会自动激活进入 conda base 环境，如下图：
打开今日头条查看图片详情
这种情况，即使不使用 conda，打开终端也会进入 base 环境，这显然不是我们想要的。我们可以通过如下方法来改变。
配置不自动激活 conda base
# 先退出 base 环境conda deactivate# 再设置不自动激活 base 环境conda config --set auto_activate_base false# 以后按需自己手动激活conda activate base打开今日头条查看图片详情
conda 配置清华源
# 修改配置文件vi .condarcchannels: - defaultsauto_activate: falseshow_channel_urls: truedefault_channels: - https://mirrors.tuna./anaconda/pkgs/main - https://mirrors.tuna./anaconda/pkgs/r - https://mirrors.tuna./anaconda/pkgs/msys2custom_channels: conda-forge: https://mirrors.tuna./anaconda/cloud pytorch: https://mirrors.tuna./anaconda/cloud # 使用下列命令清除索引缓存conda clean -i # 命令添加conda config --set custom_channels.bioconda https://mirrors.tuna./anaconda/cloud/# 临时，可使用 -c 参数指定频道conda install package_name -c https://mirrors.tuna./anaconda/pkgs/main/conda 管理环境
# 激活 base 环境conda activate base# 退出环境conda deactivate# 创建新环境conda create -n myenv python=3.11# 激活新环境conda activate myenv# 退出环境conda deactivate# 列出所有环境conda env list# 安装包conda install numpy pandas matplotlib# 或者使用 pippip install package_name创建独立的 python 环境
# 创建名为 modelscope 的隔离环境conda create -n modelscope python=3.11# 激活 modelscope 环境conda activate modelscope# 设置 modelscope 下的 python 加速pip config set global.index-url https://pypi.tuna./simple
打开今日头条查看图片详情
pip install 和 conda install 的差异
在 Conda 环境中，使用 pip install 和 conda install 安装包是有区别的。
- 包管理器不同：conda install 是 Conda 自带的包管理器，它处理的是 Conda 渠道（如Anaconda官方渠道、conda-forge等）中的包。pip install 是 Python 的包管理器，它处理的是 PyPI（Python Package Index）中的包。
- 依赖解析机制不同：Conda 的依赖解析器考虑的范围更广，包括 Python 包和非 Python 包（如C库、系统工具等），并且会检查当前环境中所有包的兼容性。Pip 的依赖解析通常只关注 Python 包，并且可能不会考虑非 Python 依赖。
- 环境隔离：Conda 环境是独立的环境，可以管理不同版本的 Python 和包，甚至非 Python 的软件。Pip 通常是在一个 Python 环境中安装包，它依赖于当前 Python 环境。
- 包格式和渠道：Conda包 是特定的格式，通常包含预编译的二进制文件，这些文件可能针对Conda 环境进行了优化。Pip 包通常是 wheel 或源码包，wheel 也是预编译的，但可能不针对 Conda 环境。
- 安装速度：由于 Conda 包通常是预编译的，并且 Conda 会缓存包，因此安装可能更快。但是，这取决于网络和包的大小。
- 包更新：使用 conda update 和 pip install –upgrade 来更新包，它们分别处理通过 conda 和 pip 安装的包。
打开今日头条查看图片详情
混合使用的风险：在同一个 Conda 环境中混合使用 conda 和 pip 安装包可能会导致依赖冲突，因为两个管理器可能不会互相协调。这有时会导致环境不稳定。通常建议在 Conda 环境中，优先使用 conda install 来安装包，如果某个包在 Conda 渠道中不可用，再使用 pip install。并且，尽量先使用 conda 安装尽可能多的包，然后再使用 pip，以避免 pip 覆盖 conda 安装的包或破坏环境。
# 1. 首先用conda安装所有可能的包conda install packaging# 2. 对于conda中没有的包，再用pippip install some-conda-unavailable-package# 3. 避免混合使用，如果混合了，不要频繁交替使用在已激活的 Conda 环境中使用 pip install，通常不会影响 Conda 环境外的全局 Python 环境，但需要确认使用的是环境内的 pip。你可以通过 which pip（Linux/macOS）或 where pip（Windows）命令来检查当前使用的是哪个 pip。如果路径指向你的 conda 激活的环境内部的 pip，那就没问题。一个比较稳妥的方法是使用 python -m pip install <包名> 来确保调用的是当前环境下的 pip。
ModelScope Lib 安装
# 安装ModelScope的核心hub支持# 只通过 ModelScope SDK，或 ModelScope 命令行工具来下载模型pip install modelscope打开今日头条查看图片详情
模型下载
# 下载到默认位置modelscope download --model deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B# 下载到指定位置modelscope download --model deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B --local_dir ./models/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B打开今日头条查看图片详情
从图上可以看到，从 modelscope 下载速度还是很快的，再也不用被 huggingface 折磨了。