Skill 多語言閱讀指南
hf-mem用途、用法與原始來源
使用 Hugging Face CLI 估算從 Hugging Face Hub 載入 Safetensors 或 GGUF 模型權重進行推理所需的記憶體。
原文擷取時間:
- 來源儲存庫
- huggingface/skills
- SKILL.md
skills/hf-mem/SKILL.md- 儲存庫 Star
- 11,241
- 儲存庫最近更新
- 2026-10-30
- 能力分類
- 其他
- 最近採集時間
授權：Apache-2.0
流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。
下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。
這個 Skill 能做什麼
使用 Hugging Face CLI 估算從 Hugging Face Hub 載入 Safetensors 或 GGUF 模型權重進行推理所需的記憶體。
如何使用：上游操作流程
如何跑步？
奔跑--model-id指向 Hugging Face Hub 儲存庫，該儲存庫將檢查它是否包含 Safetensors（透過model.safetensors，model.safetensors.index.json如果分片，或者model_index.json對於擴散器）或 GGUF 模型權重。如果儲存庫包含多種精度/量化的 GGUF 模型權重，則估計將基於每個文件進行；而對於推理，您無需加載所有精度，只需加載其中一種精度即可。也就是說，對於 GGUF，您可能還需要提供--gguf-file指定要運行的特定檔案（或分片後的路徑）。此外，hf-mem附帶一個--experimental該標誌還會計算 KV 快取記憶體需求，這對於大型語言模型很有用，這意味著它適用於 LLM（...ForCausalLM），VLM（...ForConditionalGeneration）和 GGUF 模型。對於 Safetensors，請使用以下方式：
概述
hf_mem使用 HTTP Range 請求（即無需在本地下載或加載任何權重）來估算 Hugging Face Hub 上 Safetensors 和 GGUF 模型推理所需的內存，包括模型權重和可選的 KV 快取。
uvx hf-mem --model-id <model-id> --json-output環境與相依需求
限制與結果檢查
本次未從該檔案選出獨立的限制片段，不代表適用於所有輸入或環境。請閱讀完整原文，並自行驗證實際結果。
開始使用前
- 先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
- 向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
- 先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
- 依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。
繼續閱讀原始文件
相關 Skill
翻譯與介紹範圍
本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。
介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。
- 固定版本來源
- 閱讀原文 ↗
- 原文擷取時間
- 來源提交版本
fabc634a893f62ad5c2039830397efa35fa62715- 原文 SHA-256
ee99f9d97e084aa61a80eaec4e6de2265341e71256d918d48fb87a2ac01ce99f