本文探讨了常见的AI模型格式，包括GGUF、PyTorch、Safetensors和ONNX，分析了它们的优缺点及使用建议，并考虑了硬件支持情况，帮助读者根据具体需求选择合适的格式。

🎯GGUF格式：单文件易共享，加载保存快，量化方案灵活，但转换和修改有局限

📦PyTorch格式：基于Python的序列化格式，适用于特定环境，但有安全、效率等问题

🛡Safetensors格式：解决安全和效率问题，支持延迟加载，可移植，但量化方案和元数据读取有不足

🎁ONNX格式：提供与供应商无关的模型表示，灵活性和可移植性好，但量化支持有限

原创 Hugging Face 2025-03-25 20:31 广东

了解 AI 模型格式的优缺点，根据场景做出选择

来源:https://blog.ngxson.com/common-ai-model-formats

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。

llama.cpphttps://github.com/ggml-org/llama.cpp

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。

llama.cpphttps://github.com/ggml-org/llama.cpp

ollamahttps://ollama.com/

vLLMhttps://github.com/vllm-project/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。

stable-diffusion.cpphttps://github.com/leejet/stable-diffusion.cpp

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。

Diagram by@mishig25(GGUF v3)https://github.com/mishig25

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，链接https://hf.co/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF/tree/main

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。https://github.com/ggml-org/llama.cpp

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。https://hf.co/spaces/ggml-org/gguf-my-repo

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。https://ollama.com/https://hf.co/docs/hub/en/ollama

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:https://docs.python.org/3/library/pickle.html

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:

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。https://snyk.io/articles/python-pickle-poisoning-and-backdooring-pth-files/

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。https://pytorch.org/docs/stable/generated/torch.save.html

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。https://github.com/pytorch/executorch

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。https://hf.co/docs/safetensors/en/index

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。https://hf.co/docs/transformers/index

有用资源：

transformers库关于保存和加载模型的文档。https://hf.co/docs/transformers/quicktour

bitsandbytes 指南关于如何量化模型并将其保存为 safetensors 格式。https://hf.co/docs/transformers/en/quantization/bitsandbytes

mlx-community组织在 HF 上提供与 MLX 框架 (Apple 芯片) 兼容的模型。https://hf.co/mlx-community

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。https://onnx.ai/

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https://netron.app/

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。https://hf.co/onnx-community

transformer.js项目，允许在浏览器中使用 WebGPU 或 WebAssembly 运行 ONNX 模型。https://github.com/huggingface/transformers.js

onnxruntime项目，提供在各种平台和硬件上的高性能推理引擎。https://onnxruntime.ai/

netron项目，允许在浏览器中可视化 ONNX 模型。https://netron.app/

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)。

---

英文原文:https://blog.ngxson.com/common-ai-model-formats

原文作者: Xuan Son Nguyen

译者: Adeena

阅读原文

跳转微信打开