Safetensors项目中的零拷贝保存优化探讨
2025-06-25 01:28:13作者:裘晴惠Vivianne
背景介绍
Safetensors是一个高效的张量存储格式,以其零拷贝加载特性而闻名。然而,在保存模型时,当前的实现存在性能瓶颈。当使用safetensors.torch.save_file
函数时,张量数据会通过numpy的to_bytes
方法进行转换,这一过程在内存和性能方面都带来了显著开销。
问题分析
当前实现机制
目前Safetensors的保存流程包含以下关键步骤:
- 将张量数据转换为numpy数组
- 调用
to_bytes
方法获取字节表示 - 通过Rust接口写入磁盘
这一流程在以下场景会带来明显问题:
- 处理大型模型时(如70B参数的LLM)
- 需要频繁进行模型转换的脚本
- 内存受限的环境
性能影响
实测数据显示,对于9.27GB的数据:
- 加载耗时约2秒(4.9GB/s)
- 保存耗时约10秒(0.98GB/s)
- 使用优化方法后保存可提升至7.4秒(1.34GB/s)
在GPU环境下,性能差异更为明显,主要由于额外的数据拷贝操作。
技术挑战
实现真正的零拷贝保存面临几个技术难点:
- 跨框架兼容性:需要支持多种深度学习框架(PyTorch、TensorFlow等)
- 内存管理:确保在不同内存空间(如GPU显存)的数据能高效传输
- 安全边界:保持现有的安全特性,防止越界访问
潜在解决方案
方案一:直接内存访问
利用PyTorch的.numpy()
接口实现零拷贝转换,然后通过numpy的tofile
直接写入。这种方法:
- 完全在Python层面实现
- 避免了额外的内存拷贝
- 但可能牺牲跨框架兼容性
方案二:改进Rust接口
等待PyO3对MemoryView的支持成熟后:
- 可以直接传递内存视图给Rust
- 保持现有的安全特性
- 实现真正的零拷贝
方案三:混合实现
根据运行时环境动态选择最优路径:
- 对支持直接内存访问的框架使用零拷贝路径
- 其他情况回退到当前实现
实际应用影响
在实际模型转换场景中(如FP16到FP8转换):
- 优化实现可节省约30%的时间
- 内存占用减半,使大模型转换在有限内存环境中成为可能
- 对服务器级硬件的大页面支持更友好
未来展望
随着深度学习模型规模的持续增长,高效的序列化/反序列化机制变得愈发重要。Safetensors作为专门为张量数据设计的格式,在保持现有优势的同时,通过优化保存路径可以:
- 进一步提升端到端处理效率
- 降低内存需求,扩大适用场景
- 为分布式训练等场景提供更好的支持
开发者社区正在积极探索各种优化方案,平衡性能、兼容性和安全性,以期为深度学习工作流带来更高效的数据处理能力。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
861
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K