Come liberare spazio su disco in una libreria LoRA senza modificare i pesi
Quando una libreria LoRA occupa un intero SSD, «eliminare, ripulire o quantizzare» non è una risposta unica. Ogni azione modifica qualcosa di diverso. Se devi poter recuperare i byte originali, archivia la relazione tra i file prima di liberare spazio di lavoro.
Quattro azioni da non confondere
Eliminare rimuove una copia. Ripulire può rimuovere dati che ti serviranno in seguito. Quantizzare cambia la rappresentazione e può modificare il comportamento a runtime. Archiviare può conservare la versione originale per un successivo recupero esatto, contribuendo al contempo a gestire una famiglia locale correlata.
La scelta giusta dipende dal requisito. Se vuoi un modello modificato e più piccolo per un determinato runtime, valuta la quantizzazione. Se vuoi conservare una base, le relative LoRAs e le revisioni correlate senza mantenere alla cieca diversi deployment duplicati su un SSD attivo, usa invece un flusso di recupero esatto.
Perché la relazione conta più del nome della cartella
Una convenzione di cartelle può rendere più facile consultare le librerie, ma non dimostra che due deployment contengano gli stessi dati né che una versione possa essere recuperata dopo la pulizia. L'unità utile è una famiglia che ha un motivo per restare unita:
- un checkpoint di base e le LoRAs o gli adapter che usi con esso;
- un insieme di revisioni completate dello stesso progetto di fine-tuning; oppure
- deployment autonomi che ripetono lo stesso modello di base.
Mantieni separati i modelli non correlati. Un archivio che risponde a «a che cosa serve?» sarà anche più facile da verificare, ripristinare e ritirare consapevolmente.
Un flusso senza perdita di dati per liberare spazio
- Scegli una famiglia locale correlata, non l'intera directory dei modelli.
- In Tensor Archive, seleziona Add model family → Local folder, quindi esegui Analyse source.
- Esamina il risultato prima di archiviare. Lo scopo è misurare questa famiglia, non presumere una percentuale universale.
- Archivia la famiglia in una copia locale gestita, quindi esegui Verifica.
- Ripristina una copia separata e caricala nel flusso che conta per te.
- Solo allora decidi manualmente se una vecchia copia di lavoro può lasciare l'SSD.
La verifica ha un confine. Dimostra che i file memorizzati sono recuperabili. Non dimostra che un prompt, un'esecuzione di addestramento o un risultato di inferenza abbiano la qualità prevista. Prova i file ripristinati nel flusso che ti interessa.
Che cosa può significare — e che cosa non può significare — un risultato di archiviazione
Il benchmark del prodotto riporta una riduzione del 71.2% dello spazio fisico per una famiglia controllata di cinque deployment autonomi di modelli e adapter: 907.3 MB memorizzati separatamente contro 261.6 MB come unica famiglia. È un esempio di famiglia con dati condivisi, non l'affermazione che un file LoRA isolato diventi più piccolo del 71.2%.
Usa il risultato come modello di ragionamento, non come promessa. I modelli correlati possono contenere dati ripetuti che vale la pena conservare una sola volta. I file non correlati o già compressi potrebbero non averne. Il risultato dell'analisi della tua famiglia è il dato su cui decidere.
Il modo più sicuro per creare spazio
Libera spazio per fasi. Inizia dalla famiglia che usi davvero. Conserva un backup indipendente quando i file sono importanti. Verifica e ripristina prima di eliminare. Quindi ripeti. Questo approccio è più lento di una pulizia di massa, ma molto più rapido che ricostruire a memoria una libreria dopo aver eliminato proprio l'adapter necessario.
Inizia verificando da che cosa dipende ogni file LoRA. Per distinguere tra archiviazione esatta e pesi modificati, leggi archiviazione SafeTensors e quantizzazione; per l'ingombro totale attorno a questi adapter, misura le dimensioni dei modelli Stable Diffusion e lo spazio su disco. Poi scarica Tensor Archive e segui le indicazioni per liberare spazio in sicurezza.
Fonti
- LoRA: Low-Rank Adaptation of Large Language Models — il metodo originale degli adapter.
- Riepilogo dei benchmark di Tensor Archive — carico di lavoro, dati sullo spazio e risultato del ripristino esatto citato sopra.