python的公开扩展包的存储是在网站：
http://pypi.org/
一般情况下，这是没有问题的，但是对于一些更新版本比较多的扩展包就出现了问题，因为pypi的服务器对每个项目（扩展包）都是由存储限额的，因此每个项目只能在pypi服务器上存储一定数量的版本，这样也就必然导致旧版本的删除，这种情况比较常见于更新频繁的包，如pytorch、TensorFlow、jax等。
对于pypi服务器上不再保存的老旧版本的python包，我们如果需要使用就需要通过其他方法来安装。比如Google会为本公司出品的python扩展包提供云存储，比如下面要给出的Jax的老版本的云盘路径，但是这种的也是比较少见的，毕竟自家公司有云盘的并不多，因此遇到这种情况我们可以通过以下几种途径尝试获得pypi服务器上不再保存的python包：
- 尝试在pypi上对应的项目页面找到源码项目的存放地址，如github地址，在上面找到老旧版本的release。
- 尝试conda安装，conda的存储是独立于pypi的，但是要注意conda的存储也是会动态的对旧版本的进行删除的，只不过由于pypi和conda上对旧版本包的删除是独立进行的，因此有可能会在pypi上删除但是conda上还有保存。
- 网络搜索。网上有一些网友，会因为网络下载等问题不选择在线安装python包，而是下载后离线安装，然后他们会对这些老旧版本的python包有保存，比较常见的如：网友分享的百度云盘上保存的老旧包，csdn上保存分享的老旧包。
- 个人多年前安装的环境（pypi的pip安装过的环境，或者conda搭建的环境），或许会遗存有对应版本的python扩展包。
PS. 个人的一个经验，那就是对于你的工作环境，或者比较常用的环境，比较重要的环境，不仅要把项目代码（GitHub上的项目代码）进行保存，也应该把对应环境的各种包进行保存（直接把对应的配置过的python环境进行保存），如果是深度学习项目也可以把网络权重进行保存，总之就是能保存的都保存，不论是代码、环境、网络权重、配置参数，等等，能保存的都保存，否则日后如果需要用到就是一个自己坑自己的事情。
关于神经网络的权重保存见：
https://www.modelscope.cn/my/overview
Jax的老旧版本（pypi上不再保存的版本）的安装：
# Install jaxlib on CPU via the wheel archive
pip install jax[cpu]==0.3.25 -f https://storage.googleapis.com/jax-releases/jax_releases.html
# Install the jaxlib 0.3.25 CPU wheel directly
pip install jaxlib==0.3.25 -f https://storage.googleapis.com/jax-releases/jax_releases.html
资料地址：
https://jax.readthedocs.io/en/latest/installation.html
