safetensors 跨平台张量存储与部署：1 个文件在 Windows、Linux、macOS 之间通用

safetensors 跨平台张量存储与部署1 个文件在 Windows、Linux、macOS 之间通用【免费下载链接】safetensorsSimple, safe way to store and distribute tensors项目地址: https://gitcode.com/GitHub_Trending/sa/safetensors模型在 Linux GPU 服务器上训练完发版前要在 Windows 笔记本上做一轮推理验证。用 pickle 搬运权重得担心版本不匹配和任意代码执行风险换成 safetensors——跨平台张量存储格式——同一个文件在三台机器上直接可用加载时不复制数据加载代码也完全一样。三平台安装速查平台最简安装命令最常见的一个坑Windowspip install safetensors想从源码编译却没装 Visual Studio Build ToolsLinuxpip install safetensors缺 build-essential编译时报找不到 gccmacOSpip install safetensors系统 Python 无写权限报 Permission denied注pip 默认下载的是预编译的 wheel已编译好的二进制包上表命令在三台机器上通用。只有从源码编译时才需要先装 Rust 工具链并把 cargo 加入 PATH。跨平台加载模型的最小代码import torch from safetensors.torch import save_file # 保存入口 from safetensors import safe_open # 加载入口按上下文打开文件 tensors {w: torch.zeros(1024, 1024)} # 示例张量 save_file(tensors, model.safetensors) # 写盘头部 数据缓冲区 with safe_open(model.safetensors, frameworkpt, devicecpu) as f: for key in f.keys(): # 遍历头部里的全部张量名 print(key, f.get_tensor(key)) # 读取时不复制数据这段代码在三平台上原样可用。文件格式统一为 JSON 头部 二进制数据缓冲区字节序统一为小端序——即低位字节排在内存前面的存储方式——任何一台机器存出的文件在另一台机器上按同一套规则解析即可。踩坑实录Windows 上看到 Microsoft Visual C 14.0 or greater is required原因是你在从源码编译而机器上没有 C 构建工具。解法安装 Visual Studio Build Tools 并勾选桌面 C 开发组件不想编译的话跑pip install safetensors直接用预编译包即可绕开。Linux 上看到 No such file or directory: gcc 或 command cc failed原因是缺少基础 C/C 构建环境。解法Ubuntu/Debian 跑sudo apt install build-essentialCentOS/RHEL 跑sudo yum groupinstall Development Tools。macOS 上看到 Permission denied原因是系统 Python 目录没有写权限。解法跑pip install --user safetensors或者先用 venv/conda 建隔离环境再装后者更干净。同一文件在生成端能读、在目标端报错原因是两端 safetensors 版本不一致。解法各节点跑pip show safetensors核对版本号对齐后再部署。部署前检查清单每个节点跑pip show safetensors确认版本号一致文件搬运后核对大小与源端一致防止传输截断先在同版本环境用 CPU 试加载再进 GPU 推理链路用 venv/conda 隔离环境不混用系统 Python加载后抽查一个张量的 shape 与数值别只看没报错【免费下载链接】safetensorsSimple, safe way to store and distribute tensors项目地址: https://gitcode.com/GitHub_Trending/sa/safetensors创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考