Safetensors
您正在查看的是需要从源码安装。如果您想进行常规的 pip 安装，请查看最新的稳定版本 (
v0.5.0-rc.0)。
加入 Hugging Face 社区
并获得增强的文档体验
Numpy API
safetensors.numpy.load_file
< 源 > ( filename: typing.Union[str, os.PathLike] ) → Dict[str, np.ndarray]
参数
- filename (
str 或 os.PathLike) — 包含张量的文件名
一个字典，键为名称，值为 np.ndarray
将 safetensors 文件加载为 numpy 格式。
示例
from safetensors.numpy import load_file
file_path = "./my_folder/bert.safetensors"
loaded = load_file(file_path)
safetensors.numpy.load
< 源 > ( data: bytes ) → Dict[str, np.ndarray]
参数
- data (
bytes) — safetensors 文件的内容
一个字典，键为名称，值为在 cpu 上的 np.ndarray
从纯字节流加载 safetensors 文件为 numpy 格式。
示例
from safetensors.numpy import load
file_path = "./my_folder/bert.safetensors"
with open(file_path, "rb") as f:
data = f.read()
loaded = load(data) safetensors.numpy.save_file
< 源 > ( tensor_dict: typing.Dict[str, numpy.ndarray] filename: typing.Union[str, os.PathLike] metadata: typing.Optional[typing.Dict[str, str]] = None ) → None
参数
- tensor_dict (
Dict[str, np.ndarray]) — 传入的张量。张量需要是连续且密集的。 - filename (
str 或 os.PathLike) — 我们要保存到的文件名。 - metadata (
Dict[str, str], 可选, 默认为 None) — 您可能想保存在文件头中的可选纯文本元数据。例如，它可以用于指定有关底层张量的更多信息。这纯粹是信息性的，不影响张量加载。
将张量字典以 safetensors 格式保存为原始字节。
示例
from safetensors.numpy import save_file
import numpy as np
tensors = {"embedding": np.zeros((512, 1024)), "attention": np.zeros((256, 256))}
save_file(tensors, "model.safetensors") safetensors.numpy.save
< 源 > ( tensor_dict: typing.Dict[str, numpy.ndarray] metadata: typing.Optional[typing.Dict[str, str]] = None ) → bytes
参数
- tensor_dict (
Dict[str, np.ndarray]) — 传入的张量。张量需要是连续且密集的。 - metadata (
Dict[str, str], 可选, 默认为 None) — 您可能想保存在文件头中的可选纯文本元数据。例如，它可以用于指定有关底层张量的更多信息。这纯粹是信息性的，不影响张量加载。
代表该格式的原始字节
将张量字典以 safetensors 格式保存为原始字节。
示例
from safetensors.numpy import save
import numpy as np
tensors = {"embedding": np.zeros((512, 1024)), "attention": np.zeros((256, 256))}
byte_data = save(tensors) < > 在 GitHub 上更新
© . This site is unofficial and not affiliated with Hugging Face, Inc.