Unbuntu设置Hugging Face下载的本地缓存路径

它提供了丰富的预训练模型库，涵盖了从文本到图像、语音、视频等多种类型的模型，帮助开发者和研究人员快速构建和部署机器学习应用。除了模型库，Hugging Face 还提供了强大的数据集管理工具 Datasets，使得机器学习中的数据集处理更加高效。平台还拥有一个模型共享和协作的社区，用户可以上传自己的模型与代码，分享成果，进行协作研究。将modeldir和yourdir，分别替换成你要下载的model地址和你自己想要把模型下载在哪个本地地址。需要输入自己的huggingface的token。

找到自己安装的huggingface_hub下的constants.py 文件，比如我的文件位置在 lib/python3.10/site-packages/huggingface_hub 下。使用hugging face 来跑代码时，往往会把模型缓存到系统目录下，比如我的ubuntu系统就缓存到~.cache目录下。把 default_home 修改为自己需要保存的文件路径即可。

默认情况下，下载数据集并缓存到 ~/.cache/huggingface/dataset.您可以通过设置HF_HOME环境变量来自定义缓存的文件夹。若配置完环境，重启电脑。到此默认缓存目录切换成功。

1.若需要将数据集/模型放在指定路径，需要指定"cache-dir"参数，而不是“local-dir”2.直接从huggingface中下载对应的模型和数据集，需要外网。因此可以使用国内镜像“HF-Mirror - Huggingface 镜像站。

草履虫都能看懂的HuggingFace的Transformers库模型缓存路径修改教程。

通过搭建内部镜像缓存服务器，可以有效管理和优化大模型文件的下载，减少对外部资源的依赖，提升下载速度并避免频繁受到限制。搭建一个内部镜像服务器来缓存常用的大模型文件，可以有效减少对外部资源的依赖，避免频繁下载导致的限制。如果有多台服务器需要访问镜像，可以考虑搭建负载均衡和高可用性的镜像服务器集群，使用Nginx或其他负载均衡工具（如HAProxy）进行流量分配。

设置hugging face cache目录

【代码】修改huggingface的缓存目录以及镜像源。

HuggingFace模型下载指南

*Step1：**打开配置文件。

【代码】【huggingface模型】huggingface模型的默认下载/加载位置。

【代码】如何下载huggingface的模型和权重。

可以使用百度的 PaddleNLP 替代 Hugging Face 的嵌入模型，并实现基于 Ollama 的 RAG 系统。

Python版本至少是3.8。安装hugging face官方提供的下载工具，配置镜像。

声明：经验之谈，如果不对，请用尿滋醒我！