En lokal modellbiblioteksåterhållningschecklista innan du frigör diskutrymme

Det dyra i ett modellbibliotek är inte alltid den största filen. Det är ofta modellen som du inte kan identifiera igen, adaptern vars bas du glömt, eller körningens kopior du raderar medan den fortfarande används. Behållning börjar med tydlighet, inte med en reningskommando.

En lokal modellbibliotek som är uppdelad i aktiva körningar, tillfälliga nedladdningar och slutförda återhållsflöden.
Klassificera först: ett aktivt körningslager, en reproducerbar nedladdning och en färdig modellfamilj kräver olika åtgärder.

Innan du rör en mapp

Börja med att skilja på tre kategorier: aktivt körtidsminne, tillfälliga eller återanvändbara nedladdningar samt färdiga modellobjekt som du avsiktligt vill behålla. En mapp kan flyttas mellan kategorier, men att se alla tre som "saker att ta bort senare" är det vanligaste sättet att förlora användbar modellhistorik.

Håll inte runtime-lagringen för en biblioteksfunktion.

Hugging Face, Ollama, LM Studio och ComfyUI har alla sätt att cacha, ladda ner, importera eller hitta modeller. Dessa butiker är utformade för deras egna körningstider. Innan du återanvänder utrymme, lär dig var den aktiva datan finns och hur programmet förväntas hantera den.

Den Hugging Face cache-guide, Ollama lagringsguide, LM Studio-guide och ComfyUI-modellmapp och extra modellvägar hjälper till att identifiera dessa gränser. De bör komma innan något lagringsbeslut tas.

Välj arkivfamilj

Tensor Archive fungerar bäst när familjen är real: en bas med dess anpassningar, färdiga versioner från ett projekt eller distributioner som upprepar samma bas. Det är inte en generell "arkivera hela min disk"-knapp, och den avgör inte vilka källmappar som ska tas bort.

Börja med de modeller du ofta använder. Det ger dig en återställningstest du faktiskt kan utvärdera, istället för en stor arkiv du inte kan förstå.

Gör återställning till avslutningsvillkor

  1. Analysera den lokala familjen och kontrollera resultatet innan arkivskapande.
  2. Arkivera familjen i en hanterad lokal kopia.
  3. Kör Verifiera för att säkerställa återhämtning av de lagrade byte.
  4. Återställ till en separat plats och testa det i det arbetsflöde som har betydelse.
  5. Endast då ta bort en onödig källkopiering manuellt, om du fortfarande vill.

Verifikation är inte modellbedömning. Det bevisar att de arkiverade filerna kan återställas exakt. Det bevisar inte att den återställda modellen har den kvalitet, säkerhet, promptbeteende eller träningsresultat du förväntar dig. Kör den test som är viktig för din användning.

För att upprepa arbetsflödet – inte risken.

När den första familjen är bevisad, upprepa den medvetet: en bas plus adapter, ett genomfört experiment eller en grupp distributioner som upprepar samma modell. Håll en enkel inventering av vad du arkiverade och varför. Små, förståeliga familjer är lättare att återställa och mycket mindre sannolika att orsaka en överraskning senare.

För den första praktiska genomgången, se snabbstartsguiden för Tensor Archive. Om ditt omedelbara problem gäller ett LoRA-bibliotek börjar du med guiden om diskutrymme. För arbete i en specifik körmiljö använder du arbetsflödet för säkerhetskopiering av ComfyUI-modeller eller rensar Hugging Face-cachen på ett säkert sätt, men först när du uttryckligen har beslutat vad som ska behållas.

Körningstidshänvisningar

Håll kvar modellen. Rensa arbetsdisken. Gratis nedladdning ↓