如何使用Hugging Face Trainer仅保存模型文件以节省存储空间与写入时间

• 首选方案是直接配置TrainingArguments的内置参数save_only_model，该参数在Transformers v4.26及以上版本提供，设置为True后，Trainer保存checkpoint时只会输出模型权重、配置文件等推理必需的文件，不会生成优化器状态、调度器状态、随机数状态等断点续训专用文件，完全满足节省存储空间、降低写入耗时的需求。
  示例配置代码如下：

from transformers import TrainingArguments, Trainer

training_args = TrainingArguments(
    output_dir="./your_checkpoint_dir",
    # 其他训练参数按需配置
    save_strategy="epoch",
    save_only_model=True, # 核心配置项
)

trainer = Trainer(
    args=training_args,
    # 其他Trainer初始化参数按需配置
)
trainer.train()

• 如果你使用的Transformers版本较低，没有save_only_model参数，可以通过重写Trainer的save_checkpoint方法实现，在保存逻辑中过滤掉不需要写入的优化器、调度器等对象，从根源避免多余的磁盘写入操作。

注意：开启上述配置后，你将无法使用断点续训功能，若后续有中断后恢复训练的需求，不要开启该配置。

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