存储限制

在 Hugging Face，我们致力于为 AI 社区提供大量面向公共仓库的免费存储空间，如有需要，还可以选择购买更多存储空间。对于私有仓库，我们也会对其存储空间进行计费，但提供免费额度（详见下表）。

Hub 上的所有类型仓库（模型、数据集、存储桶等）均适用存储限制和策略。

我们持续优化基础设施，以扩展存储，满足未来几年人工智能和机器学习领域增长的需求。

我们已采取相应措施，以防止滥用免费公共存储。总体而言，我们要求用户和组织确保其上传的大型模型或数据集尽可能对社区有用（例如，以点赞数或下载数来衡量）。请升级至付费的组织或用户（PRO）账户，以解锁更高的使用限额。

存储计划

💡 团队或企业组织的订阅中，每个席位包含 1TB 的私有存储空间：例如，如果您的组织有 40 名成员，则您拥有 40TB 的包含私有存储空间。

* 我们致力于继续为 AI 社区提供慷慨的公共仓库免费存储空间。在最初的几个 GB 之外，请负责任地使用此资源，上传对其他用户具有真正价值的内容。如果您需要大量存储空间，则需要升级到 PRO、Team 或 Enterprise。

† 在某些情况下，对于具有重大影响力且付费方案确实无法满足存储需求的开源项目，我们可提供额外的存储配额。请提供社区影响力证明（如点赞数、下载量、引用次数）与我们联系。

公共存储附加组件

使用付费套餐（PRO、Team 或 Enterprise）的用户可以订阅 Public Storage add-on，在套餐基础限额之上获得额外的公共存储空间。

您可以从您的账户或组织的 账单 设置页面订阅或更改您的套餐等级。升级立即生效；降级将在下月初生效。如果您需要更多存储空间，可以 联系我们 以享受 自定义大规模定价。

私有存储 按量付费

在 PRO 和 Team 或 Enterprise Organizations 中包含的 1TB（或每席位 1TB）私有存储之外，额外私有存储将以按量付费模式计入您的付款方式，基础价格为 $18/TB/月。 如需大规模容量，可通过我们的客户经理获取额外折扣：

有关更多详细信息，请参阅我们的计费文档，或前往huggingface.co/pricing查看最新定价。

仓库限制与建议

本节不适用于Storage Buckets

除了账户（用户或组织）级别的存储限制外，在处理特定 Git 支持仓库中的大量数据时，还有一些需要注意的限制。考虑到流式传输数据所需的时间，如果在流程末尾上传/推送失败，或者在 hf.co 上或本地工作时遇到体验下降的情况，都会非常令人烦恼。在下一节中，我们将介绍如何最佳地组织大型仓库的建议。

建议

我们整理了一份关于如何组织仓库的提示和建议列表。如果您希望获取更多实用技巧，请查阅此指南，了解如何使用 Python 库上传大量数据。

* 直接使用 git 命令行时不适用

请阅读下一节，以更好地理解这些限制以及如何处理它们。

解释

当我们提到“大型上传”时，具体指的是什么？它们有哪些相关的限制？大型上传的形式可能非常多样，从包含少数几个超大文件（例如模型权重）的仓库，到包含数千个小文件（例如图像数据集）的仓库。

在底层，Hub 使用 Git 对数据进行版本控制，这会对您在仓库中可执行的操作产生结构性影响。 如果您的仓库规模超过了上一节中提到的某些数值，我们强烈建议您查看 git-sizer， 其中包含关于影响您使用体验的各种因素的非常详细的文档。以下是需要考虑的因素的简要总结：

• 仓库大小：您计划上传的数据总大小。模型和数据集没有单个仓库的大小限制，但上传会占用您账户的总存储配额（参见上文中的 存储套餐）。如果您需要更多存储空间，请 升级您的套餐 或购买 存储附加包。
• Number of files:
  • 为了获得最佳体验，我们建议将文件总数保持在 100k 以下，最好远少于该数量。如果文件数量较多，请尝试将数据合并到更少的文件中。 例如，可以将 json 文件合并为单个 jsonl 文件，或者将大型数据集导出为 Parquet 文件或 WebDataset 格式。
  • 每个文件夹中的文件数量不能超过 10k 个。一个简单的解决方案是创建一个使用子目录的仓库结构。例如，一个包含从 000/ 到 999/ 的 1k 个文件夹的仓库，每个文件夹最多包含 1000 个文件，就已经足够了。
• File size: 在上传大文件（例如模型权重）时，我们强烈建议将其 拆分为每个小于 200GB 的块。. 原因有以下几点：
  • 上传和下载较小的文件对您和其他用户来说都更加便捷。在流式传输数据时，连接问题随时可能发生，而较小的文件可以避免在出错时从头开始重新传输。
  • 文件通过 CloudFront 向用户提供服务。根据我们的经验，该服务不会缓存超大文件，从而导致下载速度变慢。 在任何情况下，单个文件的大小都不会超过 500GB。也就是说，500GB 是单个文件大小的硬性上限。
• 提交数量：仓库历史中的提交总数没有硬性上限。但根据我们的经验，当提交数达到数千次后，Hub 上的用户体验开始下降。我们一直在努力改进服务，但必须始终牢记，git 仓库并非设计为支持大量写入操作的数据库。如果您的仓库历史变得非常大，始终可以使用 huggingface_hub 的 super_squash_history 将所有提交压缩（squash）以重新开始。请注意，这是一个不可逆的操作。
• 每次提交的操作数：同样，这里没有硬性限制。当提交上传到 Hub 时，服务器会检查每个 git 操作（添加或删除）。如果一次性提交了一百个 Large Files，服务器会逐个检查每个文件，以确保其已正确上传。通过 HTTP 推送数据时，请求设置了 60 秒的超时时间，这意味着如果处理过程耗时更长，就会引发错误。然而，在极少数情况下，即使客户端已触发超时，服务器端的处理过程仍可能完成。可以通过在 Hub 上浏览仓库来手动检查。upload_folder 方法和 hf upload 命令会自动将大型文件夹拆分为多个提交，从而避免此问题。如果您手动提交，建议每次提交包含 50-100 个文件。

在 Hub 上共享大型数据集

Hugging Face 支持机器学习生态系统的核心方式之一是在 Hub 上托管数据集，包括非常大的数据集。大型数据集会计入您账户的总存储配额，因此上传前请确保您的 存储计划 具有足够的容量。额外的公共存储可以作为 附加组件 购买。

要在 Hub 上托管大型数据集，我们需要满足以下要求：

• 数据集卡片：我们希望确保您的数据集能够被社区有效使用，而实现这一目标的关键方式之一就是通过数据集卡片。这份指南概述了如何撰写数据集卡片。
• 您共享数据集是为了方便社区复用。如果您计划上传一个预计不会再被复用的数据集，其他平台可能更合适。
• 您必须遵守上述列出的仓库限制。
• 使用与 Hugging Face 生态系统良好集成的文件格式。我们对 Parquet 和 WebDataset 格式提供了良好的支持，它们通常是高效共享大型数据集的不错选择。这也将确保数据集查看器能够正常工作于您的数据集。
• 在使用 datasets 时，请避免使用自定义加载脚本。根据我们的经验，需要自定义代码才能使用的数据集往往复用性有限。

如果您因所处理的数据类型或领域而难以满足上述任何要求，请联系我们。

在 Hub 上共享大量模型

与数据集类似，大型模型或大量模型（例如数百个自动量化模型）会计入您账户的总存储配额。请确保您的存储计划具有足够的容量，或购买存储附加组件。

面向研究团队和非营利组织的资助

我们建议学术和研究机构升级到 Team、Enterprise 或 Academia Hub，以获得有保障的存储配额。在某些情况下，对于高影响力的开源工作，如果付费方案确实无法满足需求，可能会提供存储配额。此类申请将逐案评估，并要求证明其对社区的影响（如下载量、引用次数、社区采用情况等）。请附上详细提案，联系 [email protected] 或 [email protected]。

如何释放我的账户/组织中的存储空间？

有几种方法可以管理并释放账户或组织中的存储空间。首先，如果您需要更多存储空间，请升级到 PRO、Team 或 Enterprise 计划，以获得更高的存储上限。

⚠️ 重要：删除大文件是一项不可撤销的破坏性操作。请确保在继续操作之前备份您的文件。

需要记住的关键要点：

• 仅删除 LFS 指针不会释放空间
• 如果您不重写 Git 历史记录，那么包含已删除 LFS 文件且存在 lfs 指针的分支/标签的后续检出将会失败（为避免错误，请在您的 .gitconfig 文件中添加以下行：lfs.skipdownloaderrors=true）

删除单个 LFS 文件

1. 导航至您的仓库的设置页面
2. 在“Storage”部分中，点击“List LFS files”
3. 使用操作菜单删除特定文件

删除 Pull request refs

Pull requests 会创建用于存储其提交的 git 引用。在关闭或合并 PR 后，你可以删除其引用以释放存储空间。这在以下情况下特别有用：

• PR 中包含从未合并的大文件
• 你压缩了主分支并随后删除了文件——即使这些文件并非由该 PR 本身添加，它们仍会保留在 PR 分支的历史记录中

要删除 PR ref，请打开已关闭或已合并的 PR，并在底部查找显示可释放的预估空间的存储通知。点击“Delete ref”即可永久删除它。

删除 PR ref 是不可逆的，并且会阻止任何人本地获取或检出这些提交。

使用 API 深度压缩你的仓库

super-squash 操作会将您的整个 Git 历史压缩为单个提交。当您需要回收未使用的旧 LFS 版本所占用的存储空间时，可以考虑使用 super-squash。此操作仅可通过 Hub Python Library 或 API 使用。

⚠️ 重要：这是一个不可撤销的破坏性操作，提交历史将被永久丢失，并且 LFS 文件历史将被删除

压缩操作对存储配额的影响不会立即生效，将在 36 小时内反映到您的配额中。

高级：跟踪 LFS 文件引用

当您在仓库的“列出 LFS 文件”中找到一个 LFS 文件，但不知道它的来源时，可以使用 git log 命令通过其 SHA-256 OID 来追溯其历史记录：

git log --all -p -S <SHA-256-OID>

例如：

git log --all -p -S 68d45e234eb4a928074dfd868cead0219ab85354cc53d20e772753c6bb9169d3

commit 5af368743e3f1d81c2a846f7c8d4a028ad9fb021
Date:   Sun Apr 28 02:01:18 2024 +0200

    Update LayerNorm tensor names to weight and bias

diff --git a/model.safetensors b/model.safetensors
index a090ee7..e79c80e 100644
--- a/model.safetensors
+++ b/model.safetensors
@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:68d45e234eb4a928074dfd868cead0219ab85354cc53d20e772753c6bb9169d3
+oid sha256:0bb7a1683251b832d6f4644e523b325adcf485b7193379f5515e6083b5ed174b
 size 440449768

commit 0a6aa9128b6194f4f3c4db429b6cb4891cdb421b (origin/pr/28)
Date:   Wed Nov 16 15:15:39 2022 +0000

    Adding `safetensors` variant of this model (#15)
    
    
    - Adding `safetensors` variant of this model (18c87780b5e54825a2454d5855a354ad46c5b87e)
    
    
    Co-authored-by: Nicolas Patry <[email protected]>

diff --git a/model.safetensors b/model.safetensors
new file mode 100644
index 0000000..a090ee7
--- /dev/null
+++ b/model.safetensors
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:68d45e234eb4a928074dfd868cead0219ab85354cc53d20e772753c6bb9169d3
+size 440449768

commit 18c87780b5e54825a2454d5855a354ad46c5b87e (origin/pr/15)
Date:   Thu Nov 10 09:35:55 2022 +0000

    Adding `safetensors` variant of this model

diff --git a/model.safetensors b/model.safetensors
new file mode 100644
index 0000000..a090ee7
--- /dev/null
+++ b/model.safetensors
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:68d45e234eb4a928074dfd868cead0219ab85354cc53d20e772753c6bb9169d3
+size 440449768