Safetensors
您正在檢視的是需要從原始碼安裝。如果您想進行常規的 pip 安裝，請檢視最新的穩定版本 (
v0.5.0-rc.0)。
加入 Hugging Face 社群
並獲得增強的文件體驗
Numpy API
safetensors.numpy.load_file
< 源 > ( filename: typing.Union[str, os.PathLike] ) → Dict[str, np.ndarray]
引數
- filename (
str 或 os.PathLike) — 包含張量的檔名
一個字典，鍵為名稱，值為 np.ndarray
將 safetensors 檔案載入為 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]
引數
- data (
bytes) — safetensors 檔案的內容
一個字典，鍵為名稱，值為在 cpu 上的 np.ndarray
從純位元組流載入 safetensors 檔案為 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
引數
- tensor_dict (
Dict[str, np.ndarray]) — 傳入的張量。張量需要是連續且密集的。 - filename (
str 或 os.PathLike) — 我們要儲存到的檔名。 - metadata (
Dict[str, str], 可選, 預設為 None) — 您可能想儲存在檔案頭中的可選純文字元資料。例如，它可以用於指定有關底層張量的更多資訊。這純粹是資訊性的，不影響張量載入。
將張量字典以 safetensors 格式儲存為原始位元組。
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
引數
- tensor_dict (
Dict[str, np.ndarray]) — 傳入的張量。張量需要是連續且密集的。 - metadata (
Dict[str, str], 可選, 預設為 None) — 您可能想儲存在檔案頭中的可選純文字元資料。例如，它可以用於指定有關底層張量的更多資訊。這純粹是資訊性的，不影響張量載入。
代表該格式的原始位元組
將張量字典以 safetensors 格式儲存為原始位元組。
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.