AutoDL如何下载huggingface模型

最新推荐文章于 2025-10-28 14:31:23 发布
原创 最新推荐文章于 2025-10-28 14:31:23 发布 · 1.1w 阅读 · 78 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #开发语言

AutoDL如何下载huggingface模型

文章目录


本人使用AutoDL下载huggingface时，下面是我尝试过的一些方法，但有的方法对我来说没用，最后一种方法是最方便的，如果不想尝试前面的几种方法可以直接用最后一种。

方法一（AutoDL学术上网）

如果使用huggingface官网下载模型，首先需要利用token登陆，如果没有token，需要先在这里创建token，如果使用jupyter notebook，那就需要运行以下代码：

from huggingface_hub import notebook_login
notebook_login()

如果是.py文件就运行：

from huggingface_hub import login
login()

如果输入token后还是报错：

i-v2 (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object at 0x7f88db505660>, ‘Co

最低0.47元/天 解锁文章
在autodl服务器上从huggingface上下载模型，踩了很多坑
weixin_61734402的博客
03-12 1946
在autodl服务器上从huggingface上下载模型，踩了很多坑
在AutoDL平台部署ChatGLM3-6B(0基础小白超详细教程)
weixin_68531269的博客
01-22 7039
修改/ChatGLM3/basic_demo/web_demo_gradio.py的25行，将MODEL_PATH修改为上边下载好的本地路径。打开jupyterLab，进入数据盘（autodl-tmp），打开终端，将ChatGLM3-6B模型下载到数据盘中。下载模型文件很慢，可以停止下载，此时在/autodl-tmp/chatglm3-6b/目录下载主要的模型文件。复制这些文件的地址，在/autodl-tmp/chatglm3-6b/目录下，使用wget下载(非常的快)在/root下打开终端，执行。
怎么在AutoDL上面使用HuggingFace（亲测有效）
逐梦苍穹的博客
01-31 6747
在AutoDL上面使用HuggingFace，2025年1月29日亲测有效
记录一下大模型本地部署学习
最新发布
xsh1767044593的博客
10-28 720
4. **格式与长度：** [指定输出的格式和长度，例如：输出一份包含引言、三个主要章节（每章下有3个要点）和结论的大纲，总长度不超过500字]。2. **关键点/元素：** [列出必须包含的关键信息、要点或元素，例如：必须提到褪黑素、蓝光影响、以及三个具体的睡前放松方法]。5. **避免事项：** [列出任何需要避免的内容，例如：避免使用“据说”等模糊词汇，不要推荐任何特定品牌的保健品]。3. **风格与语气：** [描述期望的文风或语气，例如：专业但通俗易懂，带有鼓励性，避免过于学术化]。
【解决】pycharm远程开发通过ssh连接Autodl时，运行代码超时（huggingface连不上）
CounterGlew的博客
06-17 952
AutoDL学术加速功能在PyCharm远程连接时可能失效导致huggingface访问超时，原因是右键运行代码不会继承终端代理配置。解决方案：查看/etc/network_turbo脚本内容获取代理参数，在PyCharm运行配置的环境变量中手动添加这些参数（如http_proxy等）。具体步骤：通过cat命令查看脚本内容，然后在PyCharm的"运行-编辑配置"中添加对应环境变量。
AutoDL使用学习
缘友一世的博客
08-16 2419
AutoDL使用学习
简单记录下在Autodl使用huggingface下载模型血泪经验
codelady_g的博客
03-16 7233
然后我就想试试ERNIE，Roberta什么的，觉得手动下载非常麻烦，还很不高大上，但自己from_pretrained总是报错，说无法连接到huggingface网站。一开始使用的是bert模型，把需要的文件都下载在了自己的电脑上，然后上传autodl的文件夹，所以没有什么问题。搞半天发现我自己本机科学上网和我租的云有什么关系。所以用autodl帮助文档里的方法设置了科学上网。知道huggingface被墙了，但是我确实在科学上网呢。改了下面两个包的版本，然后就成功了！
在GPU云服务器中部署Stable Diffusion web UI
澜静的博客
03-28 8069
最近在研究如何使用Controlnet细粒度控制Stable Diffusion生成满意的图片，无奈自己本地的显卡只有6G的显存，而Controlnet的Openpose功能需要10G以上的显存才能正常出图。于是只能租用GPU云服务器并将SD模型部署在服务器上，然后再通过本地浏览器访问。
AutoDL使用指南&&AutoDL中快速下载huggingface模型/数据集的方法
a131529的博客
02-19 5821
AutoDL使用指南&&AutoDL中快速下载huggingface模型/数据集的方法
AutoDL 下载 Huggingface 模型
yangpx0427的博客
03-27 561
【代码】AutoDL 下载 Huggingface 模型。
autodl下载hugging的数据集和模型
weixin_63681863的博客
10-28 523
【代码】autodl下载hugging的数据集和模型。
大语言模型下载，huggingface和modelscope加速，不用翻墙
蒋志碧的博客
01-12 8019
大模型下载速度较快的方式，huggingface，modelscope
Autodl调用huggingface的模型
03-17
这通常包括创建 Python 文件（如 `model_download.py`），并通过该文件下载所需的模型[^2]。此外，还需要确保能够正确加载模型及其权重，并支持可能的优化选项，例如量化处理[^1]。 #### 安装必要的库 为了成功调用...
解决Huggingface被墙下载模型的问题
weixin_43303286的博客
11-10 1万+
参考：如何快速下载huggingface模型——全方法总结 - padeoe的文章 - 知乎最近几月huggingface彻底无法访问，之前下载模型都是开梯子自己下载到本地再上传到服务器，这样实在比较麻烦，因此查资料之后得到解决方案：使用huggingface镜像站。
轻松学会HuggingFace模型下载与保存
热门推荐
DaVenci的博客
05-23 2万+
还不会通过transforms库保存模型？out！
AutoDL服务器huggingface模型下载到.cache了怎么办
Karl_Wayne的博客
12-22 2415
简而言之，local_dir里只有符号链接，真正的模型文件在.cache里。所以很容易想到把.cache里的文件移到数据盘，然后修改符号链接至新地址。
AutoDL云服务器怎样使用huggingface
qq_51109206的博客
11-22 1036
只需要在代码前面设置镜像链接和token即可。
autodl huggingface
01-06
### 使用 Hugging Face 进行自动下载模型或数据集 对于希望简化工作流程并提高效率的开发人员来说，Hugging Face 提供了多种方法来实现模型和数据集的自动化下载。通过 `transformers` 和 `datasets` 库可以轻松完成这一目标。 #### 自动化下载模型 为了能够自动下载预训练好的模型，可以通过安装 Python 的 `transformers` 库，并利用其中提供的类加载器来指定想要使用的特定模型名称。这会触发后台自动拉取对应资源到本地缓存目录中[^1]。 ```python from transformers import AutoModelForSequenceClassification, AutoTokenizer model_name = "bert-base-uncased" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForSequenceClassification.from_pretrained(model_name) ``` 这段代码展示了如何仅需几行简单的命令就能获取 BERT 模型及其分词工具。一旦指定了模型的名字，API 就会在背后处理所有的细节，包括版本控制以及依赖关系管理等复杂逻辑[^2]。 #### 数据集的自动化获取 同样地，在处理 NLP 或其他领域内的任务时，如果需要访问某些常用的数据集合，则可以直接调用 `datasets` 库中的函数来进行操作。下面的例子说明了怎样简单地加载 GLUE 基准测试里的 SST-2 子集： ```python from datasets import load_dataset dataset = load_dataset('glue', 'sst2') print(dataset['train'][0]) ``` 上述脚本不仅实现了远程服务器上存储的数据同步至本地环境的功能，而且还支持增量更新机制——即只传输自上次请求以来发生变化的部分内容，从而节省带宽消耗并加快速度[^3]。
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大拨鼠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值