【Git LFS】huggingface 断点续传

这里有个很好的介绍:https://stackoverflow.com/questions/72610494/what-is-the-difference-between-git-lfs-fetch-git-lfs-fetch-all-and-git

提供的信息是关于如何作为普通用户使用Git LFS(Large File Storage),涵盖了各种Git LFS命令以及它们的解释。以下是关键要点的总结:

  1. git lfs fetch

    • 从指定的远程下载Git LFS对象的引用。
    • 不会更新工作副本。
    • 将Git LFS文件内容下载到.git/lfs目录,但不会更新当前检出的分支的活动文件系统。
  2. git lfs fetch --all

    • 下载由提供的引用或所有引用引用的任何提交中引用的所有对象。
    • 主要用于备份和迁移目的。
    • 用于获取所有远程分支的内容。应谨慎使用,因为可能会下载大量数据。
  3. git

### 下载 deepseekr1 模型 为了从 Hugging Face 下载 `deepseekr1` 模型,可以采用多种方法来获取该模型文件。以下是几种常见的下载方式: #### 使用命令行工具克隆仓库 通过 Git 和 Hugging Face 提供的客户端库可以直接在终端中操作。首先安装必要的依赖项,如 Transformers 库和 Git LFS (Large File Storage),这有助于处理大型文件。 ```bash pip install git-lfs transformers git lfs install ``` 接着利用 Git 克隆指定模型所在的存储库: ```bash git clone https://huggingface.co/deepseekr1 cd deepseekr1 ``` 此过程会将整个项目复制到本地机器上[^2]。 #### 使用 Python 客户端 API 进行加载 对于更便捷的方式,在 Python 环境下可以通过简单的几行代码完成相同的工作。这里展示如何借助 `transformers` 库中的预训练模型接口快速导入所需资源。 ```python from transformers import AutoModel, AutoTokenizer model_name = "deepseekr1" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModel.from_pretrained(model_name) print(f"Successfully loaded {model_name} tokenizer and model.") ``` 这段脚本不仅能够自动管理权重文件的缓存机制,还支持异步下载以及断点续传等功能。 #### 浏览器手动下载 如果偏好图形界面的操作,则可访问[Hugging Face Hub](https://huggingface.co/)并搜索目标模型名称 (`deepseekr1`) 。找到对应的页面之后点击相应的按钮即可触发浏览器下载链接,进而保存至个人设备中[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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