Linux服务器下载hugging
时间: 2025-06-28 12:24:45 浏览: 8
### 如何在Linux服务器上下载Hugging Face模型或库
#### 设置环境变量
为了优化下载速度并解决可能存在的网络问题,在当前终端会话中可以设置`HF_ENDPOINT`指向镜像站点。这一步骤对于提高下载效率至关重要[^3]。
```bash
export HF_ENDPOINT="https://hf-mirror.com"
echo $HF_ENDPOINT
```
此操作仅影响当前shell会话;如果希望永久更改,则需编辑`.bashrc`或其他相应的启动脚本文件。
#### 安装依赖项
确保已安装Python以及pip工具之后,可以通过pip安装Hugging Face的Transformers和其他必要的包:
```bash
pip install transformers datasets
```
#### 使用官方CLI客户端下载资源
利用`huggingface-cli`提供的功能可以直接从命令行界面获取所需的数据集或预训练模型。完整的下载指令如下所示[^2]:
```bash
huggingface-cli download --repo-type model --resume-download bert-base-uncased --local-dir /path/to/save --token YOUR_ACCESS_TOKEN
```
这里需要注意的是参数的选择:
- `--repo-type`: 指定要访问的仓库类别(model/dataset)
- `--resume-download`: 支持断点续传特性
- `bert-base-uncased`: 替换为目标资源ID
- `/path/to/save`: 自定义本地存储位置
- `YOUR_ACCESS_TOKEN`: 用户个人令牌用于认证授权
#### Python代码示例
当需要在程序内部加载特定版本的模型时,可以在导入任何来自Hugging Face的模块前调整环境变量配置[^1]。
```python
import os
os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'
from transformers import AutoModelForSequenceClassification, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("distilbert-base-uncased-finetuned-sst-2-english")
model = AutoModelForSequenceClassification.from_pretrained("distilbert-base-uncased-finetuned-sst-2-english")
```
阅读全文
相关推荐


















