大存儲格式

⑴ 大容量u盤要格式化要選擇哪種格式比較好用

在選擇U盤格式時，首先需要考慮的是你打算存儲的文件大小。如果文件大小不超過4GB，那麼使用FAT32格式是一個不錯的選擇，因為這是一種兼容性極強的格式，幾乎所有的設備都能識別。

然而，如果你需要存儲超過4GB的文件，並且U盤的存儲容量超過32GB，那麼推薦使用exFAT格式。這種格式非常適合大容量存儲，能夠處理更大的文件和存儲空間，而且在現代操作系統中得到了廣泛支持。但是，值得注意的是，exFAT並不被所有操作系統兼容，尤其是較老的如Windows XP，它可能無法識別這種格式。此外，一些手機通過OTG介面連接電腦時也可能無法識別exFAT格式的U盤。

對於那些既需要存儲大文件，又希望保持跨平台兼容性的用戶來說，NTFS格式是一個很好的選擇。NTFS是Windows系統默認的文件系統，它不僅支持大文件存儲，還提供了更好的文件許可權管理和數據保護功能。盡管NTFS格式主要用於Windows系統，但現代版本的macOS也能夠讀取NTFS格式的U盤。

綜上所述，選擇哪種格式取決於你的具體需求。如果你對兼容性和跨平台支持有較高要求，NTFS是一個值得考慮的選擇。如果你的設備主要是Windows系統，並且需要存儲大文件，那麼NTFS同樣是一個不錯的選擇。而對於那些希望在各種設備上都能方便使用的用戶，exFAT格式是一個值得嘗試的選項，盡管它在一些老舊系統或設備上可能面臨識別問題。

⑵ 一文讀懂pytorch和huggingface的大模型存儲格式

PyTorch和Huggingface的大型模型存儲格式對比如下：

Huggingface的.safetensors格式： 核心特點：以緊湊和跨框架的方式存儲Dict[str, Tensor]，主要存儲張量的名稱和權重信息。 文件格式：本質上是一個JSON文件加上二進制緩沖區，僅保存密集和連續的張量數據類型、形狀和數據區域。 跨平台兼容性：不包含大小端信息，可能導致跨平台問題。 張量共享：未實現多tensor共享存儲，只保存第一個共享的張量。 框架支持：支持pytorch、TensorFlow、flax、paddle和numpy等五種框架，提供對應的save和load函數。 部分載入：支持部分載入，允許僅載入元數據和部分張量數據，適用於分布式訓練。 權重元信息查看：允許在不下載完整模型的情況下查看權重的元信息，提高效率。

PyTorch的torch.save格式： 保存內容：保存的內容更為全面，包括張量、函數和torchscript等Python對象，並保留了內存共享和切片等復雜信息。 文件格式：是一個zip文件。 功能全面性：提供了更全面的功能，適用於各種復雜應用場景。 轉換關系：從.safetensors轉換到torch.save相對簡單，但反之則需要舍棄部分功能。

總結： Huggingface的.safetensors格式專注於Huggingface transformer模型的存儲需求，通過簡化設計實現高效存儲和載入。 PyTorch的torch.save格式則提供了更全面的功能，適用於保存和載入各種復雜應用場景中的模型。