TorchChat项目安装Executorch时SSL证书验证问题的解决方案
2025-06-20 20:58:07作者:郦嵘贵Just
问题背景
在使用TorchChat项目时,许多开发者在执行./torchchat/utils/scripts/install_et.sh命令安装Executorch(ET)时会遇到SSL证书验证失败的错误。这个问题主要出现在macOS系统上,表现为Python无法验证GitHub的SSL证书,导致无法下载必要的buck2构建工具。
错误现象分析
当执行安装脚本时,系统会尝试从GitHub下载buck2构建工具,但会出现以下关键错误信息:
ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1006)
这个错误表明Python的SSL模块无法验证GitHub服务器的证书,因为系统中缺少必要的根证书或证书链不完整。
问题根源
macOS系统自带的Python安装包通常会包含一个独立的证书管理机制。在某些情况下,特别是:
- 系统时间不正确
- Python安装后证书未正确更新
- 系统证书存储位置变更
- Python环境未正确配置系统证书路径
这些情况都可能导致Python无法正确验证SSL证书。
解决方案
对于使用Python 3.11及类似版本的用户,macOS系统提供了一个便捷的证书安装脚本。执行以下命令即可解决问题:
/Applications/Python\ 3.11/Install\ Certificates.command
这个脚本会执行以下操作:
- 更新Python的证书存储
- 建立到系统钥匙串的链接
- 确保Python能够访问最新的根证书
验证解决方案
执行完上述命令后,可以运行以下Python代码验证SSL证书是否正常工作:
import ssl
import urllib.request
try:
urllib.request.urlopen("https://github.com")
print("SSL验证成功!")
except Exception as e:
print(f"SSL验证失败: {e}")
其他可能的解决方案
如果上述方法不奏效,还可以尝试以下替代方案:
-
更新系统根证书:
sudo update-ca-certificates -
临时禁用SSL验证(不推荐,仅用于测试):
import ssl ssl._create_default_https_context = ssl._create_unverified_context -
手动指定证书路径: 在Python代码中明确指定证书路径:
import os os.environ['REQUESTS_CA_BUNDLE'] = '/etc/ssl/certs/ca-certificates.crt'
预防措施
为了避免将来出现类似问题,建议:
- 定期更新Python安装
- 在安装新Python版本后立即运行证书安装脚本
- 保持系统时间准确
- 定期更新系统证书
总结
SSL证书验证问题在Python开发中较为常见,特别是在macOS系统上。通过运行Python自带的证书安装脚本,可以快速解决TorchChat项目安装Executorch时遇到的证书验证失败问题。理解这一问题的根源有助于开发者在遇到类似SSL相关问题时能够快速定位和解决。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218