1 介绍
safetensors 是 Huggingface 推出的一种可靠、易移植的机器学习模型存储格式，用于安全地存储 Tensor，而且速度很快（零拷贝）。
safetensors 格式结构：
- 8 bytes：一个无符号的整数，表示 header 占的字节数
- N bytes：JSON UTF-8 字符串，存储 header 的内容，形如：
{'__metadata__': {'format': 'pt'},'model.layers.0.attention.wo.weight': {'dtype': 'BF16','shape': [4096, 4096],'data_offsets': [0, 33554432],}, 'model.layers.0.attention.wqkv.weight': {'dtype': 'BF16','shape': [6144, 4096],'data_offsets': [33554432, 83886080]},
}
- Rest of the file：存储 tensor 的数据
2 使用
2.1 安装
使用pip安装：
pip install safetensors
2.2 tensor 保存为 safetensors
import torch
from safetensors.torch import save_filetensors = {"embedding": torch.zeros((10, 2)),"attention": torch.zeros((10, 3))
}
save_file(tensors, "model.safetensors")
2.3 从 safetensors 加载 tensor
from safetensors import safe_opentensors = {}
with safe_open("model.safetensors", framework="pt", device=0) as f:for k in f.keys():tensors[k] = f.get_tensor(k)print(f"{k}: {tensors[k]}")
3 safetensors 的主要优点
3.1 安全
使用 torch.load 加载模型权重可能会执行被插入的恶意代码，不过可以设置weights_only=False 避免这个问题。safetensors 一方面，通过限制文件头大小为100MB以阻止极端大JSON的生成。另一方面，当读取文件时，限制文件地址不被覆盖，使其在载入过程中不会在内存中超出文件大小。
3.2 速度快
对机器学习常用格式中，PyTorch似乎是加载最快的文件格式。而Safetensors通过跳过额外的CPU拷贝，在常规Linux硬件上的载入速度是PyTorch的2倍。
- CPU 上加载提速的原因：通过直接映射文件，避免了不必要的复制（zero copy）
- GPU 上加载提速的原因：跳过不必要的内存分配
3.3 惰性加载
可以在不加载整个文件的情况下查看文件的信息，或者只加载文件中的部分张量而不是所有张量。在多节点或多GPU的分布式设置下，不同模型可以仅仅加载文件中的部分tensors。
from safetensors import safe_opentensors = {}
with safe_open("model.safetensors", framework="pt", device=0) as f:tensor_slice = f.get_slice("embedding")print("tensor_slice: ", tensor_slice)vocab_size, hidden_dim = tensor_slice.get_shape()print("vocab_size: ", vocab_size)tensor = tensor_slice[:, :hidden_dim]print("tensor: ", tensor)
)
