服务器下载 Hugging Face 模型的 7 种方法（附国内加速 + 离线加载）

目录

一、Hugging Face 模型仓库结构

二、使用 git clone 下载（最简单）

三、使用 huggingface-cli 下载（最推荐 ⭐）

四、使用 Git LFS 下载

五、使用 Python 下载（实验最方便）

六、Transformers 自动下载（最常见）

七、国内服务器加速方案

八、批量下载模型（服务器常用）

九、离线加载 Hugging Face 模型

总结

参考

一、Hugging Face 模型仓库结构

Hugging Face 模型通常类似一个 Git 仓库，例如：

其中最重要的是：

二、使用 git clone 下载（最简单）

类似 GitHub。

git clone https://huggingface.co/openai/clip-vit-base-patch32

优点：

• 简单

• 完整下载仓库

缺点：

• 依赖 Git LFS

三、使用 huggingface-cli 下载（最推荐 ⭐）

这是 目前最稳定的方式。

1 安装

pip install huggingface_hub

2 下载模型

huggingface-cli download openai/clip-vit-base-patch32

# 只下载权重文件
huggingface-cli download openai/clip-vit-base-patch32 pytorch_model.bin

3 指定路径

huggingface-cli download openai/clip-vit-base-patch32 –local-dir ./clip_model

优点：

• 自动处理大文件

• 支持断点续传

• 不需要 Git LFS

• 下载更稳定

四、使用 Git LFS 下载

很多 Hugging Face 模型使用 Git LFS（Large File Storage）。

安装：

sudo apt install git-lfs

初始化：

git lfs install

然后 clone：

git clone https://huggingface.co/openai/clip-vit-base-patch32

否则下载到的可能是：

pytorch_model.bin

但其实只是 LFS pointer 文件。

五、使用 Python 下载（实验最方便）

很多论文代码都使用这种方式。

from huggingface_hub import snapshot_download

snapshot_download(
repo_id="openai/clip-vit-base-patch32",
local_dir="./clip_model"
)

优点：

• 自动缓存

• 不会重复下载

• 与 Transformers 兼容

六、Transformers 自动下载（最常见）

如果使用 Transformers：

from transformers import CLIPModel

model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")

Transformers 会自动：

1 下载模型 2 缓存到本地

缓存路径：

~/.cache/huggingface

七、国内服务器加速方案

很多国内服务器访问 Hugging Face 会很慢。

可以使用 镜像站：

export HF_ENDPOINT=https://hf-mirror.com

然后再下载：

huggingface-cli download openai/clip-vit-base-patch32

Python 方式：

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

八、批量下载模型（服务器常用）

如果需要批量下载多个模型，可以写脚本。

download_models.sh

models=(
openai/clip-vit-base-patch32
bert-base-uncased
google/vit-base-patch16-224
)

for model in "${models[@]}"
do
huggingface-cli download $model –local-dir ./models/$model
done

运行：

bash download_models.sh

九、离线加载 Hugging Face 模型

如果服务器 不能联网，可以先下载再上传服务器。

第一步：下载

huggingface-cli download openai/clip-vit-base-patch32 –local-dir ./clip_model

第二步：上传服务器

scp -r clip_model server:/data/models

第三步：离线加载

from transformers import CLIPModel

model = CLIPModel.from_pretrained("/data/models/clip_model")

总结

参考

Hugging Face https://huggingface.co

Transformers https://huggingface.co/docs/transformers