方案一：解决huggingface镜像下载限制，搭建本地镜像缓存服务器

1. 准备环境

硬件需求

• 一台服务器，建议使用大容量硬盘以存储模型文件，具体大小取决于需要缓存的模型数量。
• 推荐使用Ubuntu 20.04或22.04，服务器配置根据需要选择，但要确保有足够的存储空间和网络带宽。

软件需求

• Python 3.8+：用于运行服务。
• Docker（可选）：可以通过容器化来简化管理。
• Nginx/Apache：作为静态文件服务器，用于提供模型文件下载。
• Hugging Face Hub CLI：用于从 Hugging Face 拉取模型。

2. 搭建镜像服务器

2.1 使用 Python HTTP Server 快速搭建

如果你希望快速搭建一个本地镜像服务器，可以通过 Python 自带的 HTTP Server 来托管本地缓存的模型文件。

   1.创建一个模型缓存目录：

mkdir -p /mnt/model_cache

  2.下载 Hugging Face 模型并存放到缓存目录： 可以手动下载 Hugging Face 上的模型，并将其存放在指定目录中，或通过代码自动下载：

from transformers import AutoModel

model_name = "bert-base-uncased"
model = AutoModel.from_pretrained(model_name, cache_dir="/mnt/model