Hugging Face önbellek dizini nasıl değiştirilir

Hugging Face ana dizinini ve varsayılan önbelleklerini birlikte taşımak istediğinizde HF_HOME ayarlayın. Yalnızca indirilen Hub depolarını yeniden konumlandırmak istediğinizde HF_HUB_CACHE ayarlayın. İndirmeler durdurulmuşken mevcut önbelleği kopyalayın, değişkeni kullanan işlem için kalıcı hâle getirin, ardından herhangi bir şeyi silmeden önce saklanan bir modeli doğrulayın.

HF_HOME ve HF_HUB_CACHE birbirinin yerine kullanılamaz

Hugging Face, yerel verilerin tümü aynı olmadığı için birkaç önbellek değişkeni sunar. Varsayılanlar HF_HOME üzerinden türetilir; XDG_CACHE_HOME değiştirmediği sürece normalde ~/.cache/huggingface değeridir.

• HF_HOME, yerel olarak saklanan belirteç durumu ve varsayılan önbellek alt dizinleri için kullanılan Hugging Face ana dizinini taşır.
• HF_HUB_CACHE, varsayılanı $HF_HOME/hub olan Hub depo önbelleğini —modeller, veri kümeleri ve Spaces— taşır.
• HF_XET_CACHE, varsayılanı $HF_HOME/xet olan Xet parça önbelleğini denetler.
• HF_ASSETS_CACHE, varsayılanı $HF_HOME/assets olan aşağı akış kitaplığı varlıklarını denetler.

Sorununuz indirilmiş model depolamasıysa HF_HUB_CACHE en dar geçersiz kılmadır. Başka bir diskte kendi kendine yeterli tek bir Hugging Face kökü istiyorsanız HF_HOME üzerinde düşünmek daha kolaydır; ancak kimlik bilgilerinin ve diğer durumun da bu kökü izleyebileceğini unutmayın.

Hedef seçmeden önce etkin yolu inceleyin

Mevcut ortam değişkenlerini ve kitaplığa özgü geçersiz kılmaları doğrulamak için Hugging Face önbellek konumu rehberini kullanın. Notebook, hizmet, kapsayıcı ve etkileşimli kabuk aynı ortamı devralmayabilir. Gerçek iş yükünün içinden yazdırılan yol, hiç görmediği bir kabuktaki değerden daha yararlıdır.

hf cache ls

# Python: bu ortamın çözdüğü Hub önbelleğini görün
python -c "from huggingface_hub.constants import HF_HUB_CACHE; print(HF_HUB_CACHE)"

Kopyalamadan önce etkin indirmeleri ve eğitim işlerini durdurun. Önbellek snapshotlar ve paylaşılan bloblar içerir; başka bir işlem değiştirirken yeni bağlantıların peşinden gitmek yerine kararlı bir ağacı kopyalamak daha iyidir.

Yeni yolu doğru ortamda kalıcı hâle getirin

Tek seferlik bir test için değişkeni geçerli kabukta ayarlayın. Normal kullanımda iş yükünü başlatan ortam yapılandırmasına yerleştirin: kabuk profili, hizmet birimi, kapsayıcı tanımı, notebook çekirdeği veya uygulama başlatıcısı.

# macOS veya Linux: yalnızca Hub depo önbelleğini taşıyın
export HF_HUB_CACHE="/mnt/ai-cache/huggingface/hub"

# Veya Hugging Face ana dizininin tamamını taşıyın
export HF_HOME="/mnt/ai-cache/huggingface"

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

Kalıcı bir değişkeni değiştirdikten sonra uygulamayı yeniden başlatın. Python kitaplıkları genellikle içe aktarılırken önbellek sabitlerini çözer; bir işlemin ortasında ortamı değiştirmek devam eden işi yeniden yönlendirmeyebilir.

Kopyalayın, yönlendirin, doğrulayın, sonra temizleyin

1. Hedefi, iş yüklerinizin gerektirdiği bağlantıları ve izinleri destekleyen bir dosya sisteminde oluşturun.
2. Eski önbelleği refs, snapshots veya blobs düzenini değiştirmeden içine kopyalayın.
3. Seçilen ortam değişkenini ayarlayın ve iş yükünü yeniden başlatın.
4. hf cache ls --revisions komutunu çalıştırın ve beklenen depo ile revizyonun göründüğünü doğrulayın.
5. Bilinen bir modeli çevrimdışı yükleyin veya saklanan bir depo için hf cache verify <repo> kullanın.
6. Yeni, küçük bir indirme gerçekleştirin ve kaynağın değil hedefin değiştiğini doğrulayın.

Özgün önbelleği en az bir temiz yeniden başlatma boyunca saklayın. Doğrulama başarısız olursa önceki değişkeni geri yükleyin ve kopyayı ya da izinleri araştırın. Başarısız bir taşımayı iki kısmi önbelleği elle birleştirerek “düzeltmeyin”.

Ancak bundan sonra eski önbelleği temizleyip temizlemeyeceğinize karar verin

Hedef doğrulandıktan sonra eski kopya gereksiz olabilir. Yeni önbellekteki eski depoları veya revizyonları da kaldırmak istiyorsanız Hugging Face önbelleğini güvenle temizlemek için belgelenmiş iş akışını kullanın. Yeniden konumlandırma ve budama farklı işlemlerdir; bunları birleştirmek hangi eylemin eksik modele yol açtığını belirlemeyi zorlaştırır.

Yerine konamaz model aileleri için canlı önbelleğin dışında bilinçli bir arşiv tutun. Tensor Archive ilişkili yerel artefaktları saklayabilir, doğrulayabilir ve eksiksiz geri yükleyebilir. Hub önbelleğini değiştirmez veya kodunuzun hangi revizyonu yükleyeceğini seçmez.

İlgili depolama yanıtları

Baskı tek bir önbellek yerine birkaç çalışma zamanından geliyorsa bir taban modeli birçok adaptörle düzenleme yöntemini okuyun. Daha geniş bir saklama veya silme kararı için yerel model kitaplığı saklama kontrol listesini kullanın.