Skip to main content

增强从 Hugging Face Hub 与 ModelScope Hub 下载新模型与列出、更新、删除已下载模型的体验

Project description

BigModel Hub (BMHub)

概述

本项目增强从 Hugging Face Hub 与 ModelScope Hub 下载新模型与列出、更新、删除已下载模型的体验。

模型存储

默认情况下,BMHub 基于 Hugging Face Hub 或 ModelScope Hub 的缓存机制来存储模型,来获取最大的兼容性与空间利用率。

如果需要更改默认的缓存目录位置,参考 Hugging Face Hub 或 ModelScope Hub 的文档,设置环境变量 HF_HUB_CACHEMODELSCOPE_CACHE 来修改缓存目录位置。

如果不依赖 Hugging Face Hub 或 ModelScope Hub 的缓存机制,需要手动指定本地模型存储目录,且遵循如下目录结构:

|- <Local Models Directory>
   |- <Organization ID>
      |- <Model ID>
      |- ...
   |- ...

本地模型存储目录结构示例:

|- <Local Models Directory>
   |- Qwen
      |- Qwen2.5-7B-Instruct
         |- config.json
         |- ...

安装

pip install bmhub

测试 BMHub CLI 可用性。

bmhub --help

如果访问 Hugging Face Hub 受限,设置环境变量 HF_ENDPOINT

HF_ENDPOINT=https://hf-mirror.com bmhub --help

建议在访问 Hugging Face Hub 受限时使用 ModelScope Hub 加速下载。

CLI 功能

列出模型

列出已下载的模型,可以通过模型 ID 的 Glob 模式过滤,并查看模型占用存储空间等信息。

默认在 Hugging Face Hub 或 ModelScope Hub 缓存目录中检索已下载的模型。如果指定参数 --local-dir,则在本地模型存储目录中检索已下载的模型。

bmhub list --help

下载模型

下载指定 ID 的模型,如果已下载过模型,则会更新该模型。

默认下载到 Hugging Face Hub 或 ModelScope Hub 缓存目录。如果指定参数 --local-dir,则下载到本地模型存储目录。

bmhub download --help

更新模型

更新已下载的模型,可以通过模型 ID 的 Glob 模式过滤。

默认在 Hugging Face Hub 或 ModelScope Hub 缓存目录中更新已下载的模型。如果指定参数 --local-dir,则在本地模型存储目录中更新已下载的模型。

bmhub update --help

删除模型

删除已下载的模型,可以通过模型 ID 的 Glob 模式过滤。

默认在 Hugging Face Hub 或 ModelScope Hub 缓存目录中删除已下载的模型。如果指定参数 --local-dir,则在本地模型存储目录中删除已下载的模型。

bmhub remove --help

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

bmhub-1.0.0.tar.gz (22.5 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

bmhub-1.0.0-py3-none-any.whl (9.0 kB view details)

Uploaded Python 3

File details

Details for the file bmhub-1.0.0.tar.gz.

File metadata

  • Download URL: bmhub-1.0.0.tar.gz
  • Upload date:
  • Size: 22.5 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: uv/0.7.8

File hashes

Hashes for bmhub-1.0.0.tar.gz
Algorithm Hash digest
SHA256 f0e32ca8363fad2cb897800ffb2fe16c2cb46289277039a1c0e9936564f579ff
MD5 d15d57016cf237df8156cef73597955a
BLAKE2b-256 476889c4b26a14434c70357929a7334045caa8819ab56d3d850e24ba77443cab

See more details on using hashes here.

File details

Details for the file bmhub-1.0.0-py3-none-any.whl.

File metadata

  • Download URL: bmhub-1.0.0-py3-none-any.whl
  • Upload date:
  • Size: 9.0 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: uv/0.7.8

File hashes

Hashes for bmhub-1.0.0-py3-none-any.whl
Algorithm Hash digest
SHA256 31ef066dbf0adc1aabe4a005e619b90fb0cb7c2d31708c171a4c922f46e68bf4
MD5 94dd79b720d0545232ff54e4dcb21696
BLAKE2b-256 bfe23c6545e93f2d3195af41aba7876d17e91e37c700ded2658e5e0b7f0d16c2

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page