Safetensors 文档

NumPy API

您正在查看 主分支 版本,需要从源代码安装。如果您希望使用常规的 pip 安装,请查看最新的稳定版本(v0.3.2)。
Hugging Face's logo
加入 Hugging Face 社区

并获得增强文档体验

开始使用

NumPy API

safetensors.numpy.load_file

< >

( filename: Union ) Dict[str, np.ndarray]

参数

  • filename (str, 或 os.PathLike)) — 包含张量的文件名

返回值

Dict[str, np.ndarray]

字典,其中键为名称,值为 np.ndarray

将 safetensors 文件加载到 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

< >

( data: bytes ) Dict[str, np.ndarray]

参数

  • data (bytes) — safetensors 文件的内容

返回值

Dict[str, np.ndarray]

字典,其中键为名称,值为 CPU 上的 np.ndarray

从纯字节中将 safetensors 文件加载到 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

< >

( tensor_dict: Dict filename: Union metadata: Optional = None ) None

参数

  • tensor_dict (Dict[str, np.ndarray]) — 输入张量。张量需要是连续的且密集的。

  • 文件名 (stros.PathLike)) — 要保存到的文件名。
  • 元数据 (Dict[str, str]可选,默认为 None) — 您可能希望保存在标题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,不会影响张量的加载。

返回值

将张量字典保存为 safetensors 格式的原始字节。

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

< >

( tensor_dict: Dict metadata: Optional = None ) bytes

参数

  • 张量字典 (Dict[str, np.ndarray]) — 输入张量。张量需要是连续且密集的。
  • 元数据 (Dict[str, str]可选,默认为 None) — 您可能希望保存在标题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,不会影响张量的加载。

返回值

字节

表示该格式的原始字节

将张量字典保存为 safetensors 格式的原始字节。

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