### 如何从 Hugging Face 下载 DeepSeek 模型 要从 Hugging Face 平台下载 DeepSeek 模型及其权重文件，可以利用官方提供的命令行工具 `huggingface-cli` 来完成操作。以下是具体方法： #### 使用 huggingface-cli 工具下载模型 可以通过以下命令实现模型的下载功能[^2]： ```bash huggingface-cli download --resume-download deepseek-ai/DeepSeek-R1 --local-dir ./DeepSeek-R1/ ``` 上述命令中的参数解释如下： - `--resume-download`: 支持断点续传，即使网络中断也可以继续未完成的任务。 - `deepseek-ai/DeepSeek-R1`: 表示目标模型所在的仓库路径。 - `--local-dir`: 定义保存模型的本地目录。 如果需要指定特定的文件或者分片进行下载，则可以在命令后面追加具体的文件名。例如只下载配置文件 config.json 或者 tokenizer 文件夹的内容。 #### 设置环境变量加速国内访问 由于国际带宽限制可能影响下载速度，在中国地区建议设置镜像源来优化体验。比如阿里云提供了针对 Hugging Face 的镜像服务，可通过修改 `.env` 文件或临时定义环境变量的方式启用它[^1]: ```bash export TRANSFORMERS_CACHE="~/transformers_cache" export HF_ENDPOINT="https://modelscope.cn/" export HF_HUB_ENABLE_HF_TRANSFER=1 ``` 执行以上脚本后重新尝试运行前述 cli 命令即可享受更快捷的服务响应时间。 #### 存储位置确认与后续处理 默认情况下，所获取的数据会被存放到 `$TRANSFORMERS_CACHE` 路径下；如果没有特别设定该值，默认会放在用户主目录下的 .cache/huggingface 目录里[^3]。对于大型项目来说，最好提前规划好磁盘空间并调整相应存储路径以避免资源不足的情况发生。 另外值得注意的是关于不同框架间转换的问题——当涉及到跨平台迁移时（如由 PyTorch 至 TensorRT），需关注各自支持的最佳实践指南以及最新推荐使用的序列化格式(.safetensors)[^5]。 #### 成本考量 最后提醒一下开发者们注意成本控制方面的事情。虽然基础版本的 DeepSeek 系列产品本身属于开放许可范畴之内允许自由取用和二次开发[^4]，但在实际应用过程中仍可能存在其他隐含开销因素需要综合评估，例如计算实例租赁费、数据传输超额部分计价标准等细节条款都应仔细阅读理解后再做决定。 ```python import os from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("path/to/local/model") model = AutoModelForCausalLM.from_pretrained("path/to/local/model", trust_remote_code=True) ```