Как освободить место в библиотеке LoRA, не изменяя веса
Когда библиотека LoRA заполняет SSD, единого ответа «удалить, обрезать или квантовать» нет. Каждое действие меняет разные вещи. Если требуется возможность восстановить исходные байты, заархивируйте связи между файлами до освобождения рабочего места.
Четыре действия, которые нельзя путать
Удаление убирает копию. Обрезка может удалить данные, которые понадобятся позже. Квантование меняет представление и может повлиять на поведение среды выполнения. Архивирование способно сохранить исходную версию для последующего точного восстановления и помочь управлять связанным локальным семейством.
Правильный выбор зависит от требования. Если вам нужна уменьшенная изменённая модель для конкретной среды выполнения, изучите квантование. Если требуется сохранить базовую модель, её LoRAs и связанные ревизии, не удерживая вслепую несколько дублирующихся развёртываний на активном SSD, используйте процесс точного восстановления.
Почему связь важнее имени папки
Соглашение об именах папок упрощает просмотр библиотеки, но не доказывает, что два развёртывания содержат одинаковые данные или что версию можно восстановить после очистки. Полезная единица — семейство, которое обоснованно должно храниться вместе:
- один базовый чекпойнт и используемые с ним LoRAs или адаптеры;
- набор завершённых ревизий одного проекта дообучения; или
- автономные развёртывания, в которых повторяется одна базовая модель.
Храните несвязанные модели отдельно. Архив, отвечающий на вопрос «для чего это?», также будет проще проверять, восстанавливать и осознанно выводить из использования.
Процесс освобождения места без потерь
- Выберите одно связанное локальное семейство, а не весь каталог моделей.
- В Tensor Archive выберите Add model family → Local folder, затем запустите Analyse source.
- Проверьте результат до архивирования. Задача — измерить именно это семейство, а не предположить универсальный процент.
- Заархивируйте семейство в управляемую локальную копию, затем запустите Verify.
- Восстановите отдельную копию и загрузите её в важном для вас рабочем процессе.
- Только после этого вручную решайте, можно ли удалить старую рабочую копию с SSD.
У проверки есть границы. Она подтверждает возможность восстановления сохранённых файлов, но не доказывает, что промпт, запуск обучения или результат инференса имеет ожидаемое качество. Проверьте восстановленные файлы в важном для вас рабочем процессе.
Что может — и чего не может — означать результат хранения
В тесте продукта сообщается о сокращении физического объёма хранения на 71.2% для контролируемого семейства из пяти автономных развёртываний моделей и адаптеров: 907.3 MB при раздельном хранении против 261.6 MB в составе одного семейства. Это пример семейства с общими данными, а не утверждение, что отдельный файл LoRA станет на 71.2% меньше.
Рассматривайте результат как модель для рассуждения, а не как обещание. В связанных моделях могут повторяться данные, которые достаточно сохранить один раз. В несвязанных или уже сжатых файлах их может не быть. Решение следует принимать по результату анализа собственного семейства.
Самый безопасный способ освободить место
Освобождайте место поэтапно. Начните с семейства, которым действительно пользуетесь. Если файлы важны, храните независимую резервную копию. До удаления проверьте архив и восстановите его. Затем повторите. Такой подход медленнее массовой очистки, но гораздо быстрее, чем восстанавливать библиотеку по памяти после удаления единственного нужного адаптера.
Сначала выясните, от чего зависит каждый файл LoRA. О различии между точным хранением и изменёнными весами читайте в материале хранение SafeTensors и квантование; чтобы оценить общий объём этих адаптеров, измерьте размер модели Stable Diffusion и место на диске. Затем скачайте Tensor Archive и следуйте рекомендациям по безопасному освобождению места.
Источники
- LoRA: Low-Rank Adaptation of Large Language Models — исходный метод адаптеров.
- Сводка теста Tensor Archive — рабочая нагрузка, показатели хранения и приведённый выше результат точного восстановления.