如何将HuggingFace微调得到的model.safetensor转换为pytorch.bin？

方法一：使用HuggingFace Transformers库（推荐） #

这是最稳妥的方案，官方工具能保证参数映射的准确性，适配大多数Transformer模型场景。

• 安装依赖（未安装时执行）：

  pip install transformers safetensors torch
  

• 编写转换脚本：

  from transformers import AutoModel, AutoTokenizer
  
  # 替换为你的safetensors模型所在目录
  model_path = "你的模型目录"
  # 加载模型（指定use_safetensors=True确保加载safetensors格式文件）
  model = AutoModel.from_pretrained(model_path, use_safetensors=True)
  tokenizer = AutoTokenizer.from_pretrained(model_path)
  
  # 替换为转换后模型的保存目录，safe_serialization=False会生成pytorch_model.bin
  save_path = "转换后的模型目录"
  model.save_pretrained(save_path, safe_serialization=False)
  tokenizer.save_pretrained(save_path)
  

  执行脚本后，目标目录会生成pytorch_model.bin文件，同时保留tokenizer配置，适配旧框架的常规需求。

方法二：手动加载Safetensors并保存为PyTorch格式 #

若不想依赖Transformers库，可直接通过safetensors和torch完成底层转换：

• 安装依赖：

  pip install safetensors torch
  

• 转换脚本：

  import safetensors.torch
  import torch
  
  # 加载单个safetensors文件
  tensors = safetensors.torch.load_file("你的模型目录/model.safetensors")
  # 保存为pytorch.bin格式
  torch.save(tensors, "转换后的模型目录/pytorch_model.bin")
  

  注意：如果模型存在多个分片safetensors文件，需要手动加载所有分片并合并字典后再保存；若旧框架对参数命名有特殊要求，可能需要手动调整字典中的键名。

关键注意事项 #

• 转换前确认模型结构与旧框架兼容：如果旧框架基于更早版本的Transformer结构开发，加载模型时可能需要指定兼容的模型类或调整加载参数。
• 多分片模型处理：方法一会自动合并所有分片为单个pytorch_model.bin，方法二需自行遍历分片文件合并参数字典。

内容的提问来源于stack exchange，提问作者FewKey