Sådan ændrer du cachemappen til Hugging Face

Indstil HF_HOME, når du vil flytte hjemmemappen til Hugging Face og dens standardcachelagre samlet. Indstil HF_HUB_CACHE, når du kun vil flytte downloadede Hub-repositorier. Kopiér det eksisterende cachelager, mens downloads er stoppet, gør variablen permanent for den proces, der bruger den, og verificér derefter en bevaret model, før du sletter noget.

HF_HOME og HF_HUB_CACHE kan ikke bruges i flæng

Hugging Face stiller flere cachevariabler til rådighed, fordi de lokale data ikke alle er ens. Standardværdierne udledes af HF_HOME, normalt ~/.cache/huggingface, medmindre XDG_CACHE_HOME ændrer den.

• HF_HOME flytter den hjemmemappe til Hugging Face, som bruges til lokalt gemt tokentilstand og standardundermapper til cachelagre.
• HF_HUB_CACHE flytter Hub-repositoriets cachelager — modeller, datasæt og Spaces — hvis standardplacering er $HF_HOME/hub.
• HF_XET_CACHE styrer chunk-cachelageret til Xet og bruger som standard $HF_HOME/xet.
• HF_ASSETS_CACHE styrer aktiver i underliggende biblioteker og bruger som standard $HF_HOME/assets.

Hvis problemet er lagerplads til downloadede modeller, er HF_HUB_CACHE den mest snævre tilsidesættelse. Hvis du vil have én selvstændig rodmappe til Hugging Face på en anden disk, er HF_HOME lettere at forstå — men husk, at legitimationsoplysninger og anden tilstand derefter kan følge med rodmappen.

Undersøg den aktive sti, før du vælger en destination

Brug vejledningen til placering af Hugging Face-cachelageret til at bekræfte eksisterende miljøvariabler og biblioteksspecifikke tilsidesættelser. En notebook, tjeneste, container og interaktiv shell arver ikke nødvendigvis det samme miljø. Den sti, der udskrives i den faktiske arbejdsbelastning, er mere nyttig end værdien i en shell, som den aldrig ser.

hf cache ls

# Python: Se det Hub-cachelager, som dette miljø anvender
python -c "from huggingface_hub.constants import HF_HUB_CACHE; print(HF_HUB_CACHE)"

Stop aktive downloads og træningsopgaver før kopieringen. Cachelageret indeholder snapshots og fælles blobs; det er bedre at kopiere et stabilt træ end at følge nye links, mens en anden proces ændrer det.

Gør den nye sti permanent i det rette miljø

Til en engangstest skal du indstille variablen i den aktuelle shell. Til normal brug skal den indgå i den miljøkonfiguration, der starter arbejdsbelastningen: en shellprofil, serviceenhed, containerdefinition, notebook-kerne eller programstarter.

# macOS eller Linux: Flyt kun Hub-repositoriets cachelager
export HF_HUB_CACHE="/mnt/ai-cache/huggingface/hub"

# Eller flyt hele hjemmemappen til Hugging Face
export HF_HOME="/mnt/ai-cache/huggingface"

# PowerShell-miljøvariabel for bruger
[Environment]::SetEnvironmentVariable(
  "HF_HUB_CACHE",
  "D:\AI-Cache\huggingface\hub",
  "User"
)

Genstart programmet, når du har ændret en permanent variabel. Python-biblioteker fastlægger ofte cachekonstanter ved import; hvis miljøet ændres midt i en proces, bliver igangværende arbejde muligvis ikke omdirigeret.

Kopiér, peg om, verificér, og ryd derefter op

1. Opret destinationen på et filsystem, som understøtter de links og tilladelser, arbejdsbelastningerne kræver.
2. Kopiér det gamle cachelager dertil uden at omorganisere refs, snapshots eller blobs.
3. Indstil den valgte miljøvariabel, og genstart arbejdsbelastningen.
4. Kør hf cache ls --revisions, og bekræft, at det forventede repositorium og den forventede revision vises.
5. Indlæs én kendt model offline, eller brug hf cache verify <repo> til et bevaret repositorium.
6. Udfør en ny, lille download, og bekræft, at destinationen ændres — ikke kilden.

Bevar det oprindelige cachelager gennem mindst én problemfri genstart. Hvis verifikationen mislykkes, skal du gendanne den tidligere variabel og undersøge kopien eller tilladelserne. Forsøg ikke at »rette« en mislykket migrering ved manuelt at flette to delvise cachelagre.

Beslut først derefter, om det gamle cachelager skal ryddes

Når destinationen er afprøvet, kan den gamle kopi være overflødig. Hvis du også vil fjerne forældede repositorier eller revisioner i det nye cachelager, skal du følge den dokumenterede fremgangsmåde til at rydde Hugging Face-cachelageret sikkert. Flytning og beskæring er forskellige handlinger; hvis de kombineres, bliver det sværere at afgøre, hvilken handling der fik en model til at mangle.

For uerstattelige modelfamilier skal du bevare et bevidst oprettet arkiv uden for det aktive cachelager. Tensor Archive kan bevare relaterede lokale artefakter, verificere dem og gendanne dem præcist. Programmet ændrer ikke Hub-cachelageret og vælger ikke, hvilken revision din kode skal indlæse.

Relaterede svar om lagring

Hvis presset skyldes flere runtimes frem for ét cachelager, kan du læse, hvordan du organiserer én basismodel med mange adaptere. Brug tjeklisten for bevaring af lokale modelbiblioteker til en bredere beslutning om, hvad der skal beholdes eller slettes.