safetensors文件如何转换为PyTorch模型？

前提是目录中包含对应的模型结构配置文件如 config.json，必须配合原始模型结构定义才能正确加载， 如何将safetensors文件转换为PyTorch模型1. 理解safetensors格式的本质 safetensors 是一种由 Hugging Face 推出的模型权重存储格式相较于传统的 PyTorch 的 .pt 或 .pth 文件它具有更高的安全性、更快的加载速度以及更小的文件体积，其核心特点是 不包含模型结构定义 仅保存模型的权重张量 支持内存映射memory mapping提升加载效率 因此safetensors 文件本身无法直接还原出完整的 PyTorch 模型， 2)def forward(self，例如 import torch.nn as nnclass SimpleModel(nn.Module):def __init__(self):super().__init__()self.linear nn.Linear(10， 7. 完整流程图 graph TDA[safetensors文件] -- B[加载模型结构]A -- C[使用safetensors库加载权重]B C -- D[匹配结构与权重]D -- E[使用load_state_dict加载]E -- F[完成模型加载] ， model.pth) 该操作将模型权重保存为 .pth 文件适用于传统 PyTorch 流程， 3. 手动加载 safetensors 文件 若模型不属于 Hugging Face 标准模型或需要自定义加载流程可以使用 safetensors 官方库手动加载权重 from safetensors.torch import load_filestate_dict load_file(path/to/model.safetensors) 加载后得到的是一个标准的 PyTorch state_dict 对象可以通过 model.load_state_dict() 将其映射到模型中， 2. 使用 Hugging Face Transformers 库自动加载 若模型来自 Hugging Face 的 transformers 库通常可以使用 from_pretrained() 方法直接加载 safetensors 文件 from transformers import AutoModelForSequenceClassificationmodel AutoModelForSequenceClassification.from_pretrained(path/to/model， x):return self.linear(x)# 实例化模型model SimpleModel()# 加载权重state_dict load_file(simple_model.safetensors)model.load_state_dict(state_dict) 若模型结构与权重键不一致将导致加载失败， 4. 构建匹配的模型结构 手动加载的关键在于必须确保模型结构与权重文件匹配， local_files_onlyTrue) 该方法会自动识别目录下的 model.safetensors 文件并加载权重， 5. 检查和调试权重匹配问题 在加载过程中若出现 size mismatch 或 unexpected key 错误建议检查以下内容 模型结构是否与训练时一致 state_dict 中的键名是否与模型参数名匹配 是否存在多余或缺失的层 可使用如下代码查看权重文件中的键 from safetensors.torch import load_filestate_dict load_file(model.safetensors)print(state_dict.keys())6. 转换为标准 PyTorch 模型保存格式 一旦模型加载成功即可将其保存为标准的 PyTorch 格式 torch.save(model.state_dict()，。