【Linux】CentOS更换国内阿里云yum源(超详细)

【Linux】CentOS更换国内阿里云yum源(超详细)

目录

1. 前言

有些同学在安装完CentOS操作系统后,在系统内安装比如:gcc等软件的时候出现这种情况:(网络不可达)

在这里插入图片描述


我们可以通过更换为国内yum源的方式来解决这个问题,下面是教程:

2. 打开终端

你可以打开系统终端,也可以打开SSH工具操作。这一步不是必须的,为的是照顾小白同学,不知道什么是SSH工具。

在这里插入图片描述

3. 确保虚拟机已经联网

首先要确保你的虚拟机已经联网,别闹乌龙再是你虚拟机没联网造成的!!!
(这一步其实也是为了照顾小白同学)

输入以下命令:

ping www.baidu.com 

出现类似以下输出代表已联网:

Ctrl+ZCtrl+C 可以退出 ping 命令
在这里插入图片描述

4. 备份现有yum配置文件

在更改任何配置之前,我们都要养成备份的好习惯!!很多同学都是让改什么配置,直接上手就改,最后导致系统卡开机界面,然后又不知道自己改了什么!

输入以下命令备份:

(注意:这里因为我们是重新下载一份配置文件,所以这里用的是 mv 命令。如果是需要在原文件修改的场景是用 cp 命令复制一份)

mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak 
  • /etc/yum.repos.d/CentOS-Base.repo 是yum的配置文件
  • /etc/yum.repos.d/CentOS-Base.repo.bak 是我们备份的配置文件

备份完我们可以用以下命令查看一下:

ls /etc/yum.repos.d 
在这里插入图片描述

5. 下载阿里云yum源

国内的yum源,推荐使用阿里云的。要用其他的也可以,把后面的链接换一下就行了。

输入以下命令:

(我这里的系统是 CentOS7,所以下的是 Centos-7.repo,你们根据自己的系统版本选择)

wget-O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo 
在这里插入图片描述

下载完,我们看一下是不是有了:

ls /etc/yum.repos.d 
在这里插入图片描述

最后用 cat 命令查看一下我们下载的配置文件内容是不是已经是阿里云的了:

cat /etc/yum.repos.d/CentOS-Base.repo 

ok,没问题

在这里插入图片描述
在这里插入图片描述

6. 清理缓存

输入以下命令:

yum clean all 

yum clean all 命令用于清理 YUM (Yellowdog Updater Modified) 包管理器的所有缓存。当你执行这个命令时,YUM 会清除所有已下载的元数据和软件包缓存。

在这里插入图片描述

7. 重新生成缓存

输入以下命令:

(这个过程的耗时会根据你的网速而定,网速快执行越快,耗时越小)

yum makecache 

当你运行 yum makecache 命令时,YUM 会执行以下操作:

  • 检查配置文件:YUM 会读取配置文件,通常位于 /etc/yum.repos.d/ 目录下,这些文件定义了可用的软件仓库。
  • 生成缓存:YUM 会为每个配置好的仓库生成一个缓存。这涉及到从每个仓库的元数据服务器下载必要的信息,例如软件包列表、版本等,并将其存储在本地文件系统上(默认位置通常是 /var/cache/yum/)。
在这里插入图片描述

8. 测试安装gcc

yum install gcc 

可以看到不会再出现网络不可达的情况了:

在这里插入图片描述

安装完成:

在这里插入图片描述

Read more

【薅羊毛教程】LLaMaFactory 不用本地跑!免费 GPU,一键微调大模型

【薅羊毛教程】LLaMaFactory 不用本地跑!免费 GPU,一键微调大模型

一、环境 之前介绍过本地部署LLaMaFactory微调平台(https://blog.ZEEKLOG.net/m0_73982863/article/details/159208213?spm=1001.2014.3001.5501),如果你还在为设备问题而烦恼,那就来薅羊毛吧(手动狗头)。 首先注册魔搭社区,绑定个人阿里云账号即可,详情见:https://www.modelscope.cn/my/mynotebook ;然后就可免费获得36小时GPU环境。 8核:CPU有8个核心,主要负责数据的调度和预处理;32GB:内存,数据从硬盘加载后会暂时存放这里;显存24G;(比我自己的老古董好多 T-T) Ubuntu 22.04:Linux操作系统; CUDA 12.8.1:英伟达的并行计算平台。12.8版本意味着它支持最新的RTX

Qwen3-ForcedAligner-0.6B快速上手:Chrome/Firefox/Edge浏览器兼容性验证

Qwen3-ForcedAligner-0.6B快速上手:Chrome/Firefox/Edge浏览器兼容性验证 1. 快速了解Qwen3-ForcedAligner-0.6B Qwen3-ForcedAligner-0.6B是阿里巴巴通义实验室推出的音文强制对齐模型,基于0.6B参数的Qwen2.5架构构建。这个模型的核心功能不是语音识别,而是将已知的参考文本与音频波形进行精确匹配,输出每个词语的精确时间戳。 核心特点: * 精确对齐:能将文本中的每个字词与音频中的对应时间段精确匹配,精度达到±0.02秒 * 离线运行:模型权重预置在本地,无需连接外网即可工作 * 隐私安全:所有音频数据处理都在本地完成,数据不出域 * 多语言支持:支持中文、英文、日文、韩文、粤语等52种语言 2. 浏览器兼容性全面测试 为了确保用户在不同浏览器上都能顺畅使用Qwen3-ForcedAligner,我们进行了详细的兼容性测试。 2.1 测试环境配置 测试使用的硬件配置: * CPU:8核处理器 * 内存:16GB * GPU:NVIDIA RTX 4090(

Github Copilot Agent模式使用经验分享

Github Copilot Agent模式使用经验分享

本文总结了如何使用 GitHub Copilot Agent 模式,并分享实际操作经验。 前置设置 1. 使用 VSCode Insider; 2. 安装 GitHub Copilot(预览版)插件; 3. 选择 Claude 3.7 Sonnet(预览版)模型,该模型在代码编写方面表现出色,同时其它模型在速度、多模态(如图像识别)及推理能力上具备优势; 4. 工作模式选择 Agent。 操作步骤 1. 打开 “Copilot Edits” 选项卡; 2. 添加附件,如 “Codebase”、“Get Errors”、“Terminal Last Commands” 等; 3.

Whisper-large-v3精彩案例:跨语种访谈视频自动生成双语字幕对比展示

Whisper-large-v3精彩案例:跨语种访谈视频自动生成双语字幕对比展示 本文所有案例均基于 Whisper Large v3 模型生成,展示了多语言语音识别的实际效果 1. 项目背景与模型介绍 Whisper-large-v3 是 OpenAI 推出的多语言语音识别模型,拥有 15 亿参数,支持 99 种语言的自动检测与转录。这个由 113小贝 二次开发构建的 Web 服务,让普通用户也能轻松使用这个强大的语音识别工具。 核心能力特点: * 多语言支持:自动识别 99 种语言,无需手动指定 * 高精度转录:在嘈杂环境、不同口音下仍能保持较高准确率 * 双语输出:支持转录+翻译双模式,一键生成双语字幕 * 灵活输入:支持文件上传和实时录音两种方式 2. 测试环境与案例设置 2.1 测试环境配置 我们使用以下环境进行效果测试: # 硬件环境 GPU: NVIDIA