Slik endrer du mappe for Hugging Face-hurtigbufferen

Angi HF_HOME når du vil flytte Hugging Face-hjemmet og standardhurtigbufferne sammen. Angi HF_HUB_CACHE når du bare vil flytte nedlastede Hub-repositories. Kopier den eksisterende hurtigbufferen mens nedlastinger er stoppet, gjør variabelen varig for prosessen som bruker den, og verifiser deretter en modell du har beholdt før du sletter noe.

HF_HOME og HF_HUB_CACHE kan ikke brukes om hverandre

Hugging Face tilbyr flere hurtigbuffervariabler fordi de lokale dataene ikke er like. Standardverdiene avledes fra HF_HOME, vanligvis ~/.cache/huggingface med mindre XDG_CACHE_HOME endrer dem.

• HF_HOME flytter Hugging Face-hjemmet som brukes til lokalt lagret tokentilstand og standardundermappene for hurtigbuffer.
• HF_HUB_CACHE flytter Hub-repositoryhurtigbufferen — modeller, datasett og Spaces — som bruker $HF_HOME/hub som standard.
• HF_XET_CACHE styrer Xet-chunkhurtigbufferen og bruker $HF_HOME/xet som standard.
• HF_ASSETS_CACHE styrer ressurser for nedstrømsbiblioteker og bruker $HF_HOME/assets som standard.

Hvis problemet er lagring av nedlastede modeller, er HF_HUB_CACHE den smaleste overstyringen. Hvis du vil ha én selvstendig Hugging Face-rot på en annen disk, er HF_HOME lettere å forstå — men husk at tilgangsopplysninger og annen tilstand da kan følge denne roten.

Undersøk den aktive banen før du velger et mål

Bruk veiledningen for plassering av Hugging Face-hurtigbufferen til å bekrefte eksisterende miljøvariabler og bibliotekspesifikke overstyringer. En notebook, tjeneste, container og et interaktivt skall arver kanskje ikke samme miljø. Banen som skrives ut i den faktiske arbeidsbelastningen, er mer nyttig enn verdien i et skall den aldri ser.

hf cache ls

# Python: Se hvilken Hub-hurtigbuffer dette miljøet bruker
python -c "from huggingface_hub.constants import HF_HUB_CACHE; print(HF_HUB_CACHE)"

Stopp aktive nedlastinger og treningsjobber før kopiering. Hurtigbufferen inneholder snapshots og delte blobs. Det er bedre å kopiere et stabilt tre enn å jage nye lenker mens en annen prosess endrer det.

Gjør den nye banen varig i riktig miljø

For en engangstest angir du variabelen i det gjeldende skallet. Ved normal bruk legger du den i miljøkonfigurasjonen som starter arbeidsbelastningen: en skallprofil, serviceenhet, containerdefinisjon, notebook-kjerne eller programstarter.

# macOS eller Linux: Flytt bare Hub-repositoryhurtigbufferen
export HF_HUB_CACHE="/mnt/ai-cache/huggingface/hub"

# Eller flytt hele Hugging Face-hjemmet
export HF_HOME="/mnt/ai-cache/huggingface"

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

Start programmet på nytt etter at du har endret en varig variabel. Python-biblioteker løser ofte opp hurtigbufferkonstanter ved import. Endring av miljøet halvveis i en prosess omdirigerer kanskje ikke arbeid som allerede er i gang.

Kopier, pek, verifiser og rydd deretter

1. Opprett målet på et filsystem som støtter lenkene og tillatelsene arbeidsbelastningene krever.
2. Kopier den gamle hurtigbufferen dit uten å omorganisere refs, snapshots eller blobs.
3. Angi den valgte miljøvariabelen, og start arbeidsbelastningen på nytt.
4. Kjør hf cache ls --revisions, og bekreft at forventet repository og revisjon vises.
5. Last én kjent modell frakoblet, eller bruk hf cache verify <repo> for et repository du har beholdt.
6. Utfør en ny liten nedlasting, og bekreft at målet endres, ikke kilden.

Behold den opprinnelige hurtigbufferen gjennom minst én problemfri omstart. Hvis verifiseringen mislykkes, gjenoppretter du den forrige variabelen og undersøker kopien eller tillatelsene. Ikke «reparer» en mislykket migrering ved å slå sammen to delvise hurtigbuffere manuelt.

Først da bør du bestemme om den gamle hurtigbufferen skal tømmes

Når målet er bevist, kan den gamle kopien være overflødig. Hvis du også vil fjerne gamle repositories eller revisjoner i den nye hurtigbufferen, bruker du den dokumenterte arbeidsflyten for å tømme Hugging Face-hurtigbufferen trygt. Flytting og beskjæring er forskjellige operasjoner. Når de kombineres, er det vanskeligere å vite hvilken handling som førte til en manglende modell.

Behold et tilsiktet arkiv utenfor den aktive hurtigbufferen for uerstattelige modelfamilier. Tensor Archive kan bevare beslektede lokale artefakter, verifisere dem og gjenopprette dem nøyaktig. Det endrer ikke Hub-hurtigbufferen og velger ikke hvilken revisjon koden din skal laste.

Beslektede lagringssvar

Hvis presset kommer fra flere runtimer i stedet for én hurtigbuffer, kan du lese hvordan du organiserer ett basismodel med mange adaptere. Bruk sjekklisten for oppbevaring i lokale modellbiblioteker for en bredere beslutning om å beholde eller slette.