git lfs使用（huggingface下载大模型文件）

一. git lfs使用（huggingface下载大模型文件）

Git LFS:（Large File Storage，解决git大文件存储问题）把音乐、图片、视频等指定的任意文件存在 Git 仓库之外，而在 Git 仓库中用一个占用空间 1KB 不到的文本指针来代替文件的存在,通过把大文件存储在 Git 仓库之外，可以减小 Git 仓库本身的体积，使克隆 Git 仓库的速度加快，也使得 Git 不会因为仓库中充满大文件而损失性能。

1. 安装

Linux安装步骤：

curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
sudo apt-get install git-lfs
git lfs install

windows安装：

git lfs install

2. 下载HuggingFace文件

最近在看BLOOM，但是Huggingface的仓库里除了我想要的pytoch_model_xxxxx.bin,放了一些别的格式的checkpoints，全部下载的话太大了，而且很慢很慢

2.1 首先通过git下载小文件

git lfs install
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/bigscience/bloom-7b1

需要注意，GIT_LFS_SKIP_SMUDGE=1和后面的git clone必须在同一行才能生效，表示不下载大文件（小文件、大文件的区分依据是有没有使用git lfs）。

此时git会下载所有的小文件，比如tokenizer.json ，但是对于git lfs存储的大文件，只会存储一个文本的pointer file.

2.2 手动pull需要的大文件

由于我只需要仓库里的pytorch_model-00001-of-00002.bin和pytorch_model-00002-of-00002.bin ，所以可以这样写：
注意：此处需要进入到下载的文件夹中：

cd bloom-7b1
git lfs pull --include="*.bin"

此时*.bin会匹配这两个文件，然后等着他下载完毕就可以了。

如果你只想要单个文件，写文件名就可以。

3. 另外一种方式：下载HuggingFace全部文件（包括大小文件）

命令：

git lfs install
git clone https://huggingface.co/bigscience/bloom-7b1

好像使用这个方式下载大文件没有什么进度（但是确实正在下载，只不过要等全部下载下来后，文件才能看到）

另外一种方式命令（大小文件的进度以及下载速度都能看到）：

git lfs install
git lfs clone https://huggingface.co/bigscience/bloom-7b1

4. git lfs 下载中断了，继续下载的命令

git lfs fetch

参考：

# 1. 安装完成后，首先先初始化；如果有反馈，一般表示初始化成功
git lfs install
​
# 2. 如果刚刚下载的那个项目没啥更改，重新下一遍，不算麻烦事（因为下载大文件，一般会比较慢）
git lfs clone https://github.com/AABBBCC/aaa.git
# 在下载的过程中，你也可以查看一下，你刚刚无法解析的那个pkl大文件，是不是在这个项目中，(进入项目目录)使用如下指令：
cd aaa
git lfs track
​
# 3. 如果不想重新下载整个项目，可以使用如下命令，单独下载需要使用lfs下载的大文件。
git lfs fetch
git lfs checkout
#（备选：git lfs pull），不建议

4. 参考链接

1. 如何优雅的下载huggingface-transformers模型
2. 如何从Huggingface仓库中选择性地下载文件 / Git LFS的pull --include用法
3. git-lfs使用笔记
4. 使用Git LFS使用下载Huggingface的预训练模型到本地
5. git lfs：Github 中大文件被这样上传和下载
6. git lfs：Github 中大文件被这样上传和下载