错误信息显示 /root/.cache/huggingface/datasets/ 目录空间不够，无法创建临时文件。让我帮你查看相关代码并提供解决方案。

可以通过指定 --cache_dir 参数来将缓存路径设置到你的挂载存储上。根据代码分析，LlamaFactory 支持通过 cache_dir 参数来指定 Hugging Face 数据集和模型的缓存目录。

根据查看 Dockerfile 和 setup.py 文件，我可以为你解释 EXTRAS 参数的作用：

EXTRAS 参数的作用

在 Docker 构建镜像时，EXTRAS 参数用于指定安装 LLaMA Factory 时需要包含的额外依赖项。它在 Dockerfile 的第 35 行被使用：

dockerfile
展开代码
RUN pip install --no-cache-dir -e ".[${EXTRAS}]" --no-build-isolation

这相当于执行：

bash
展开代码
pip install -e ".[metrics]"

最近用 LLaMA-Factory 训练大模型，数据都放在 AWS S3 上，发现其实不用自己写 boto3，直接用 S3 路径就能搞定。这里把我的踩坑和经验都写下来，帮你少走弯路。

1. S3 数据集怎么用？

LLaMA-Factory 支持直接从 S3 读取数据集，不用你自己写 boto3 脚本，也不用提前把数据下载到本地。你只要在配置里写上 S3 路径，比如 s3://my-bucket/data.jsonl，剩下的都交给 LLaMA-Factory。

先执行git lfs install是否可以，Ubuntu22 安装 git lfs 支持：

bash
展开代码
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
sudo apt-get install git-lfs

比如我想clone这个数据集：https://huggingface.co/datasets/BAAI/SVIT

我应该huggingface登录后同意协议。

然后访问 https://huggingface.co/settings/tokens 创建 token 。

得到token hf_QtMqvBcwjKiYBQbHxCAbgazrSdCmPbf

我的用户名是 hugxd

那我在本地可以直接这样clone这个数据集仓库：

bash
展开代码
git clone https://hugxd:hf_QtMqvBcwjKiYBQbHxCAbgazrSdCmPbf@huggingface.co/datasets/BAAI/SVIT

要抛弃本地所有更改，使本地仓库与云端完全一致，可以按照以下步骤操作：

1. 首先获取云端最新状态：

bash
展开代码
git fetch --all

2. 然后重置本地分支到与云端完全一致的状态（以main分支为例）：

bash
展开代码
git reset --hard origin/main

3. 如果你有未跟踪的文件也需要清理（慎用，这会删除所有未跟踪的文件和目录）：

bash
展开代码
git clean -fd

完整命令序列：

bash
展开代码
git fetch --all
git reset --hard origin/main
git clean -fd

1. JuiceFS 和 boto3 的本质区别

• 感想

时间，滴答，滴答，就过去了。

• 旁观者下的爱情

近两天好朋友分手了，问起来，唏嘘不

下载：

bash
展开代码
wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

安装：

bash
展开代码
bash Miniconda3-latest-Linux-x86_64.sh

初始化：

bash
展开代码
/root/miniconda3/bin/conda init

重启终端即可。

下载：

https://repo.continuum.io/miniconda/Miniconda3-latest-Windows-x86_64.exe

安装填写路径：

bash
展开代码
D:\ProgramData\miniconda3

环境变量给入：

bash
展开代码
D:\ProgramData\miniconda3\condabin
D:\ProgramData\miniconda3\Scripts

Python环境举例：

bash
展开代码
conda create -n py310 python=3.10 -y
conda install scipy -y

进行2个设置，才能让硬件在Win11发挥最大性能。

1. 设置1

搜索电源和睡眠设置 ，在电源模式（根据电源使用情况和性能来优化你的设备）选择最佳性能。

2. 设置2

右键此电脑，打开“属性”。

打开其中的“高级系统设置”。

进入“高级”，点击性能下的“设置”。

勾选开启“调整为最佳性能”。

进入“高级”，勾选“程序”最后“确定”保存即可调整为最佳性能。

由 conda-forge 社区维护，默认使用 conda-forge 源，避免 Anaconda 的商业许可风险，且预装 Mamba 加速依赖解析。

前置知识

什么是Docker？

Docker是一个容器化平台，它允许你将应用程序及其依赖项打包到轻量级、可移植的容器中。容器类似于虚拟机，但更加高效。

核心概念：

• 镜像（Image）：应用程序的只读模板
• 容器（Container）：镜像的运行实例
• 仓库（Registry）：存储镜像的地方，如Docker Hub

我针对VanBlog进行了二次开发，以下是一些关键文档，有助于你理解VanBlog的设计。

项目地址：https://github.com/xxddccaa/vanblog

1. 快速部署VanBlog

VanBlog自动备份

前言

在博客系统的运维中，数据备份是至关重要的环节。VanBlog作为一个现代化的博客系统，提供了完善的自动备份功能，不仅支持本地JSON数据备份，还集成了阿里云盘云端备份。本文将深入分析这个功能的实现原理、架构设计和优化过程。

功能概览

VanBlog的自动备份功能位于 /admin/site/setting?tab=autoBackup，主要包含以下特性：

核心功能

• JSON数据备份：完整导出博客所有数据（文章、草稿、分类、标签、用户设置等）
• 定时自动执行：用户可自定义备份时间，系统精确执行
• 文件管理：自动清理过期备份，保留指定数量的最新备份
• 阿里云盘集成：支持将静态文件自动同步到阿里云盘备份盘

技术特性

• 零轮询设计：直接在指定时间执行，无需周期性检查
• 动态任务调度：设置变更立即生效，无需重启服务
• 增量上传：阿里云盘备份使用--skip参数避免重复传输
• 容错机制：备份失败不影响系统正常运行

文章操作自动同步标签数据功能实现

功能说明

在文章的增删改操作后，系统现在会自动触发标签同步功能，无需手动点击"同步标签数据"按钮。这个功能通过异步方式实现，不会影响用户体验。

VanBlog 标签性能优化方案

背景问题

原系统存在以下性能瓶颈：

• 博客数量：2k篇
• 标签数量：4w个
• 前端获取标签时一次性加载所有数据，导致卡顿
• 标签查询通过遍历所有文章实现，复杂度O(n*m)
• 后台标签管理页面性能差

🎯 什么是渲染？为什么很重要？

渲染 = 把动态数据转换成静态HTML文件的过程

VanBlog使用Next.js的 ISR(Incremental Static Regeneration 增量静态再生成) 技术：

这个博客的方法是我看数据库数据的，不懂的不要轻易使用，直接用博客系统带的备份方案，直接导出json 和 图片。

数据库表结构分析

VanBlog的数据主要存储在MongoDB中，包含以下重要数据：

需要保留的数据（文章数据）：

• articles - 文章内容
• drafts - 草稿
• categories - 分类
• tags - 标签（如果有的话）
• customPages - 自定义页面
• moments - 动态
• viewers - 浏览量统计
• visits - 访问记录

需要重新配置的数据（系统配置）：

• metas - 站点信息（包含域名配置）
• users - 用户信息
• settings - 系统设置
• tokens - API令牌

UV 是一个由 Astral 团队开发的高性能 Python 环境管理工具，它集成了包管理、虚拟环境管理和 Python 版本管理等功能。以下是使用 UV 管理 Python 环境的主要步骤和方法：

1. 安装 UV

UV 可以通过多种方式安装：

• 通过 pip 安装（不推荐，功能可能不全）：

  bash
  展开代码
  pip install uv
  

• 通过脚本安装（推荐）：
  • Linux/macOS：

    bash
    展开代码
    curl -LsSf https://astral.sh/uv/install.sh | sh
    

  • Windows（PowerShell）：

    powershell
    展开代码
    irm https://astral.sh/uv/install.ps1 | iex
    

  安装完成后，可以通过 uv --version 验证安装。