De Hugging Face-cachemap wijzigen

Stel HF_HOME in wanneer je de Hugging Face-hoofdmap met de standaardcaches samen wilt verplaatsen. Stel HF_HUB_CACHE in wanneer je alleen gedownloade Hub-repositories wilt verplaatsen. Kopieer de bestaande cache terwijl downloads zijn gestopt, maak de variabele blijvend voor het proces dat haar gebruikt en verifieer daarna een behouden model voordat je iets verwijdert.

HF_HOME en HF_HUB_CACHE zijn niet onderling verwisselbaar

Hugging Face biedt meerdere cachevariabelen, omdat lokale gegevens niet allemaal hetzelfde zijn. De standaardwaarden worden afgeleid van HF_HOME, normaal ~/.cache/huggingface, tenzij XDG_CACHE_HOME dit wijzigt.

• HF_HOME verplaatst de Hugging Face-hoofdmap die wordt gebruikt voor lokaal opgeslagen tokenstatus en de standaard cache-submappen.
• HF_HUB_CACHE verplaatst de Hub-repositorycache — modellen, datasets en Spaces — waarvan de standaardwaarde $HF_HOME/hub is.
• HF_XET_CACHE bestuurt de Xet-chunkcache, met standaardwaarde $HF_HOME/xet.
• HF_ASSETS_CACHE bestuurt assets van vervolg-bibliotheken, met standaardwaarde $HF_HOME/assets.

Als gedownloade modelopslag je probleem is, is HF_HUB_CACHE de smalste overschrijving. Als je één zelfstandige Hugging Face-hoofdmap op een andere schijf wilt, is HF_HOME begrijpelijker — maar onthoud dat toegangsgegevens en andere status die hoofdmap dan ook kunnen volgen.

Inspecteer het actieve pad voordat je een bestemming kiest

Gebruik de gids voor de locatie van de Hugging Face-cache om bestaande omgevingsvariabelen en bibliotheekspecifieke overschrijvingen te bevestigen. Een notebook, dienst, container en interactieve shell erven mogelijk niet dezelfde omgeving. Het pad dat binnen de daadwerkelijke workload wordt afgedrukt, is nuttiger dan de waarde in een shell die deze nooit ziet.

hf cache ls

# Python: bekijk de Hub-cache die door deze omgeving wordt gebruikt
python -c "from huggingface_hub.constants import HF_HUB_CACHE; print(HF_HUB_CACHE)"

Stop actieve downloads en trainingstaken voordat je kopieert. De cache bevat snapshots en gedeelde blobs; het is beter een stabiele boom te kopiëren dan nieuwe links te achtervolgen terwijl een ander proces hem wijzigt.

Maak het nieuwe pad blijvend in de juiste omgeving

Stel de variabele voor een eenmalige test in de huidige shell in. Plaats haar voor normaal gebruik in de omgevingsconfiguratie die de workload start: een shellprofiel, service-unit, containerdefinitie, notebookkernel of applicatiestarter.

# macOS of Linux: verplaats alleen de Hub-repositorycache
export HF_HUB_CACHE="/mnt/ai-cache/huggingface/hub"

# Of verplaats de hele Hugging Face-hoofdmap
export HF_HOME="/mnt/ai-cache/huggingface"

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

Start de toepassing opnieuw nadat je een blijvende variabele hebt gewijzigd. Python-bibliotheken bepalen cacheconstanten vaak bij import; de omgeving halverwege een proces wijzigen leidt werk dat al gaande is mogelijk niet om.

Kopiëren, verwijzen, verifiëren en dan opruimen

1. Maak de bestemming op een bestandssysteem dat de links en machtigingen ondersteunt die je workloads vereisen.
2. Kopieer de oude cache ernaartoe zonder refs, snapshots of blobs anders in te delen.
3. Stel de gekozen omgevingsvariabele in en start de workload opnieuw.
4. Voer hf cache ls --revisions uit en bevestig dat de verwachte repository en revisie verschijnen.
5. Laad één bekend model offline of gebruik hf cache verify <repo> voor een behouden repository.
6. Voer een nieuwe kleine download uit en bevestig dat de bestemming verandert, niet de bron.

Behoud de oorspronkelijke cache gedurende ten minste één schone herstart. Als verificatie mislukt, herstel dan de vorige variabele en onderzoek de kopie of machtigingen. Probeer een mislukte migratie niet te ‘repareren’ door twee gedeeltelijke caches handmatig samen te voegen.

Bepaal pas daarna of je de oude cache wist

Zodra de bestemming is bewezen, kan de oude kopie redundant zijn. Als je ook verouderde repositories of revisies in de nieuwe cache wilt verwijderen, gebruik dan de gedocumenteerde workflow om de Hugging Face-cache veilig te wissen. Verplaatsing en snoeien zijn verschillende bewerkingen; ze combineren maakt het moeilijker te bepalen welke handeling een ontbrekend model veroorzaakte.

Bewaar voor onvervangbare modelfamilies een doelbewust aangelegd archief buiten de actieve cache. Tensor Archive kan verwante lokale artefacten behouden, verifiëren en exact herstellen. Het wijzigt de Hub-cache niet en kiest niet welke revisie je code moet laden.

Gerelateerde opslagantwoorden

Als de druk uit meerdere runtimes in plaats van één cache komt, lees dan hoe je één basismodel met veel adapters ordent. Gebruik voor een bredere beslissing over behouden of verwijderen de retentiechecklist voor lokale modelbibliotheken.