过去两年，开源 AI 社区一直在热烈讨论新 AI 模型的开发。每天都有越来越多的模型在Hugging Face上发布，并被用于实际应用中。然而，开发者在使用这些模型时面临的一个挑战是模型格式的多样性。

在本文中，我们将探讨当下常见的 AI 模型格式，包括：

• GGUF
• PyTorch
• Safetensors
• ONNX

我们将分析每种格式的优缺点，并提供使用建议，帮助你选择最适合的格式。

GGUF

GGUF 最初是为llama.cpp项目开发的。GGUF 是一种二进制格式，旨在实现快速的模型加载和保存，并易于阅读。模型通常使用 PyTorch 或其他框架开发，然后转换为 GGUF 格式以与 GGML 一起使用。

随着时间的推移，GGUF 已成为开源社区中共享 AI 模型最流行的格式之一。它得到了许多知名推理运行时的支持，包括 llama.cpp、ollama和vLLM。

目前，GGUF 主要用于语言模型。虽然也可以将其用于其他类型的模型，例如通过stable-diffusion.cpp实现的扩散模型，但这并不像在语言模型中的应用那样普遍。

GGUF 文件包含以下部分：

• 一个以键值对组织的元数据部分。该部分包含有关模型的信息，例如其架构、版本和超参数。
• 一个张量元数据部分。该部分包括模型中张量的详细信息，例如它们的形状、数据类型和名称。
• 最后，一个包含张量数据本身的部分。

GGUF 格式和 GGML 库还提供了灵活的量化方案，能够在保持良好精度的同时实现高效的模型存储。一些最常见的量化方案包括：

• Q4_K_M：大多数张量被量化为 4 位，部分张量被量化为 6 位。这是最常用的量化方案。
• IQ4_XS：几乎所有张量都被量化为 4 位，但借助重要性矩阵。该矩阵用于校准每个张量的量化，可能在保持存储效率的同时提高精度。
• IQ2_M：类似于 IQ4_XS，但使用 2 位量化。这是最激进的量化方案，但在某些模型上仍能实现良好的精度。它适用于内存非常有限的硬件。
• Q8_0：所有张量都被量化为 8 位。这是最不激进的量化方案，提供几乎与原始模型相同的精度。

GGUF 格式的 Llama-3.1 8B 模型示例

让我们回顾一下 GGUF 的优缺点：

• 优点：
  • 简单：单文件格式易于共享和分发。
  • 快速：通过与 mmap() 的兼容性实现模型的快速加载和保存。
  • 高效：提供灵活的量化方案。
  • 便携：作为一种二进制格式，无需特定库即可轻松读取。
• 缺点：
  • 大多数模型需要从其他格式（如 PyTorch、Safetensors）转换为 GGUF。
  • 并非所有模型都可转换。部分模型不受 llama.cpp 支持。
  • 模型保存为 GGUF 格式后，修改或微调并不容易。

GGUF 主要用于生产环境中的模型服务，其中快速加载时间至关重要。它也用于开源社区内的模型共享，因为其格式简单，便于分发。

有用资源：

• llama.cpp项目，提供了将 HF 模型转换为 GGUF 的脚本。
• gguf-my-repo空间允许在不下载到本地的情况下将模型转换为 GGUF 格式。
• ollama和HF-ollama 集成支持通过 ollama run 命令运行 HF Hub 上的任何 GGUF 模型。

PyTorch (.pt/.pth)

.pt/.pth 扩展名代表 PyTorch 的默认序列化格式，存储包含学习参数（权重、偏置）、优化器状态和训练元数据的模型状态字典。

PyTorch 模型可以保存为两种格式：

• .pt：此格式保存整个模型，包括其架构和学习参数。
• .pth：此格式仅保存模型的状态字典，其中包括模型的学习参数和一些元数据。

PyTorch 格式基于 Python 的pickle模块，该模块用于序列化 Python 对象。为了理解 pickle 的工作原理，让我们看以下示例：

import pickle
model_state_dict = { "layer1": "hello", "layer2": "world" }
pickle.dump(model_state_dict, open("model.pkl", "wb"))

The pickle.dump() 函数将 model_state_dict 字典序列化并保存到名为 model.pkl. 的文件中。输出文件现在包含字典的二进制表示:

model.pkl hex view

要将序列化的字典加载回 Python，我们可以使用 pickle.load() 函数:

import pickle
model_state_dict = pickle.load(open("model.pkl", "rb"))
print(model_state_dict)
# Output: {'layer1': 'hello', 'layer2': 'world'}

如你所见，pickle 模块提供了一种简单的方法来序列化 Python 对象。然而，它也有一些局限性：

• 安全性：任何东西都可以被 pickle，包括恶意代码。如果序列化数据未经过适当验证，这可能会导致安全漏洞。例如，Snyk 的这篇文章解释了pickle 文件如何被植入后门。
• 效率：它不支持延迟加载或部分数据加载。这可能导致在处理大型模型时加载速度慢和内存使用率高。
• 可移植性：它是特定于 Python 的，这使得与其他语言共享模型变得具有挑战性。

如果你仅在 Python 和 PyTorch 环境中工作，PyTorch 格式可能是一个合适的选择。然而，近年来，AI 社区一直在转向更高效和安全的序列化格式，例如 GGUF 和 Safetensors。

有用资源：

• PyTorch 文档关于保存和加载模型。
• executorch项目，提供了一种将 PyTorch 模型转换为 .pte 的方法，这些模型可在移动和边缘设备上运行。

Safetensors

由 Hugging Face 开发的safetensors解决了传统 Python 序列化方法（如 PyTorch 使用的 pickle）中存在的安全性和效率问题。该格式使用受限的反序列化过程来防止代码执行漏洞。

一个 safetensors 文件包含：

• 以 JSON 格式保存的元数据部分。该部分包含模型中所有张量的信息，例如它们的形状、数据类型和名称。它还可以选择性地包含自定义元数据。

• 张量数据部分。

  

  Safetensors 格式结构图

• 优点：

  • 安全：Safetensors 采用受限的反序列化过程来防止代码执行漏洞。
  • 快速：它支持延迟加载和部分数据加载，从而可以加快加载速度并降低内存使用率。这与 GGUF 类似，你可以使用 mmap() 映射文件。
  • 高效：支持量化张量。
  • 可移植：它设计为跨编程语言可移植，使得与其他语言共享模型变得容易。

• 缺点：

  • 量化方案不如 GGUF 灵活。这主要是由于 PyTorch 提供的量化支持有限。
  • 需要 JSON 解析器来读取元数据部分。这在处理像 C++ 这样的低级语言时可能会出现问题，因为这些语言没有内置的 JSON 支持。

注意：虽然在理论上元数据可以保存在文件中，但在实践中，模型元数据通常存储在一个单独的 JSON 文件中。这既可能是优点也可能是缺点，具体取决于使用场景。

safetensors 格式是 Hugging Face 的transformers库使用的默认序列化格式。它在开源社区中广泛用于共享、训练、微调和部署 AI 模型。Hugging Face 上发布的新模型都以 safetensors 格式存储，包括 Llama、Gemma、Phi、Stable-Diffusion、Flux 等许多模型。

有用资源：

• transformers库关于保存和加载模型的文档。
• bitsandbytes 指南关于如何量化模型并将其保存为 safetensors 格式。
• mlx-community组织在 HF 上提供与 MLX 框架（Apple 芯片）兼容的模型。

ONNX

开放神经网络交换（Open Neural Network Exchange，ONNX）格式提供了一种与供应商无关的机器学习模型表示方法。它是ONNX 生态系统的一部分，该生态系统包括用于不同框架（如 PyTorch、TensorFlow 和 MXNet）之间互操作的工具和库。

ONNX 模型以 .onnx 扩展名的单个文件保存。与 GGUF 或 Safetensors 不同，ONNX 不仅包含模型的张量和元数据，还包含模型的计算图。

在模型文件中包含计算图使得在处理模型时具有更大的灵活性。例如，当发布新模型时，你可以轻松地将其转换为 ONNX 格式，而无需担心模型的架构或推理代码，因为计算图已经保存在文件中。

ONNX 格式的计算图示例，由Netron生成

• 优点：
  • 灵活性：在模型文件中包含计算图使得在不同框架之间转换模型时更加灵活。
  • 可移植性：得益于 ONNX 生态系统，ONNX 格式可以轻松部署在各种平台和设备上，包括移动设备和边缘设备。
• 缺点：
  • 对量化张量的支持有限。ONNX 本身不支持量化张量，而是将它们分解为整数张量和比例因子张量。这可能导致在处理量化模型时质量下降。
  • 复杂架构可能需要为不支持的层使用操作符回退或自定义实现。这可能会在将模型转换为 ONNX 格式时导致性能损失。

总体而言，如果你正在处理移动设备或浏览器内推理，ONNX 是一个不错的选择。

有用资源：

• onnx-community组织在 HF 上提供 ONNX 格式的模型以及转换指南。
• transformer.js项目，允许在浏览器中使用 WebGPU 或 WebAssembly 运行 ONNX 模型。
• onnxruntime项目，提供在各种平台和硬件上的高性能推理引擎。
• netron项目，允许在浏览器中可视化 ONNX 模型。

硬件支持

在选择模型格式时，重要的是要考虑模型将部署在哪种硬件上。下表显示了每种格式的硬件支持建议：

硬件	GGUF	PyTorch	Safetensors	ONNX
CPU	✅ (最佳)	🟡	🟡	✅
GPU	✅	✅	✅	✅
移动设备部署	✅	🟡 (通过 executorch)	❌	✅
Apple 芯片	✅	🟡	✅ (通过 MLX 框架)	✅

说明：

• ✅: 完全支持
• 🟡: 部分支持或性能较低
• ❌: 不支持

结论

在本文中，我们探讨了当今使用的一些常见 AI 模型格式，包括 GGUF、PyTorch、Safetensors 和 ONNX。每种格式都有其自身的优缺点，因此根据具体的用例和硬件需求选择合适的格式至关重要。

脚注

mmap：内存映射文件是一种操作系统功能，允许将文件映射到内存中。这对于在不将整个文件加载到内存中的情况下读写大文件非常有益。

延迟加载（lazy-loading）：延迟加载是一种技术，它将数据的加载推迟到实际需要时。这有助于在处理大型模型时减少内存使用并提高性能。

计算图（computation graph）：在机器学习的上下文中，计算图是一种流程图，展示了数据如何通过模型流动以及每一步如何执行不同的计算（例如加法、乘法或激活函数的应用）。

 如何学习大模型？

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击文章底部名片大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以点击下方名片保存图片到wx扫描二v码免费领取【保证100%免费】🆓