在无网HPC节点训练后，如何本地保存SetFit Trainer？

直接保存完整模型 #

训练完成后，无需推送至Hugging Face Hub，直接调用SetFit Trainer的save_model()方法，指定本地路径即可保存完整模型（包含Sentence Transformer主体和分类头）：

# 假设已完成训练，得到trainer实例
trainer.save_model("./my_local_setfit_model")

加载本地模型 #

后续需要使用模型时，通过SetFitModel.from_pretrained()加载本地保存的模型：

from setfit import SetFitModel

loaded_model = SetFitModel.from_pretrained("./my_local_setfit_model")

保存训练器状态（可选） #

如果需要保留训练器的配置、训练参数等状态，可额外调用save_state()方法：

trainer.save_state("./trainer_state_dir")

恢复状态时：

from setfit import SetFitTrainer

trainer = SetFitTrainer(model=loaded_model)
trainer.load_state("./trainer_state_dir")

注意事项 #

• 确认目标路径有写入权限，优先选择HPC上的个人工作目录或指定存储分区。
• 保存的目录包含所有必要文件，可直接拷贝到其他离线环境使用。

内容的提问来源于stack exchange，提问作者Tanish Bafna