大存储格式

⑴ 大容量u盘要格式化要选择哪种格式比较好用

在选择U盘格式时，首先需要考虑的是你打算存储的文件大小。如果文件大小不超过4GB，那么使用FAT32格式是一个不错的选择，因为这是一种兼容性极强的格式，几乎所有的设备都能识别。

然而，如果你需要存储超过4GB的文件，并且U盘的存储容量超过32GB，那么推荐使用exFAT格式。这种格式非常适合大容量存储，能够处理更大的文件和存储空间，而且在现代操作系统中得到了广泛支持。但是，值得注意的是，exFAT并不被所有操作系统兼容，尤其是较老的如Windows XP，它可能无法识别这种格式。此外，一些手机通过OTG接口连接电脑时也可能无法识别exFAT格式的U盘。

对于那些既需要存储大文件，又希望保持跨平台兼容性的用户来说，NTFS格式是一个很好的选择。NTFS是Windows系统默认的文件系统，它不仅支持大文件存储，还提供了更好的文件权限管理和数据保护功能。尽管NTFS格式主要用于Windows系统，但现代版本的macOS也能够读取NTFS格式的U盘。

综上所述，选择哪种格式取决于你的具体需求。如果你对兼容性和跨平台支持有较高要求，NTFS是一个值得考虑的选择。如果你的设备主要是Windows系统，并且需要存储大文件，那么NTFS同样是一个不错的选择。而对于那些希望在各种设备上都能方便使用的用户，exFAT格式是一个值得尝试的选项，尽管它在一些老旧系统或设备上可能面临识别问题。

⑵ 一文读懂pytorch和huggingface的大模型存储格式

PyTorch和Huggingface的大型模型存储格式对比如下：

Huggingface的.safetensors格式： 核心特点：以紧凑和跨框架的方式存储Dict[str, Tensor]，主要存储张量的名称和权重信息。 文件格式：本质上是一个JSON文件加上二进制缓冲区，仅保存密集和连续的张量数据类型、形状和数据区域。 跨平台兼容性：不包含大小端信息，可能导致跨平台问题。 张量共享：未实现多tensor共享存储，只保存第一个共享的张量。 框架支持：支持pytorch、TensorFlow、flax、paddle和numpy等五种框架，提供对应的save和load函数。 部分加载：支持部分加载，允许仅加载元数据和部分张量数据，适用于分布式训练。 权重元信息查看：允许在不下载完整模型的情况下查看权重的元信息，提高效率。

PyTorch的torch.save格式： 保存内容：保存的内容更为全面，包括张量、函数和torchscript等Python对象，并保留了内存共享和切片等复杂信息。 文件格式：是一个zip文件。 功能全面性：提供了更全面的功能，适用于各种复杂应用场景。 转换关系：从.safetensors转换到torch.save相对简单，但反之则需要舍弃部分功能。

总结： Huggingface的.safetensors格式专注于Huggingface transformer模型的存储需求，通过简化设计实现高效存储和加载。 PyTorch的torch.save格式则提供了更全面的功能，适用于保存和加载各种复杂应用场景中的模型。