碎碎念
国内要用hugging face最大的一个问题就是连不上外网。
我每次复现一个代码都喜欢记录一下遇到的问题，就举个最近的例子：
看看这几个问题：
-
第一个问题，spacy下载模型的时候连不上github，下载不了。
-
第二个问题，连不上网
一共没遇到几个问题，网络问题占了三分之一。
因为墙的原因，你的服务器没办法直接从抱抱脸上直接下载模型。所以我的建议是，两个办法：
-
给你服务器上搞个梯子，开全局
-
本地缓存模型，上传到服务器中
本文就是讲怎么本地缓存模型，上传到服务器中。
这只是我的解决方法，如果大家有什么更好的办法速速教我，Thanks♪(･ω･)ﾉ
开搞
首先，在本地复现你的服务器版本库。
必要性：
我的问题列表里第三个问题（训练阶段的问题2）
之前这个方法屡试不爽，但是突然这次失灵了，后才我才发现是本地库的版本和服务器没对上，导致我缓存的模型服务器用不了。所以一定要确保本地和服务器的库能对上。
一般不需要环境中的所有包都复现，你只要确保pytorch、transformers、huggingface-hub、datasets能对上即可。
然后去你代码里找到from_pretrained的必要代码复制到本地，运行。
等他下载完模型，去hugging face缓存目录里找。如果你没修改过缓存地址，那么默认应该是在：
C:\Users\username\.cache\huggingface
将这个缓存文件夹替换你服务器根目录下的缓存目录。
服务器的默认缓存文件夹在在目录下，默认是：
~/.cache
如果你知道刚才下载的什么模型（你肯定知道的吧），你直接把你刚才缓存的内容挪过来，如果你不知道，你就直接整个文件夹覆盖。
为了防止下载的不够全，建议你下载完了之后再去hugging face上对照一下：
Hugging Face -- The AI community building the future.
搜索你需要的模型，把该有的config什么的看看却没缺。圈出来的这几个模型是对应不用框架的，pytorch的只需要.bin和.safetensors即可。
实际操作一下
看一下下边这个报错，说的无非就是：
-
连不上hugging face
-
想找缓存，你也没有缓存
报错从下往上解决，所以我们解决最底下的TraceBack就够了。错误是从train_dreambooth_lora_sdxl.py里传出来的。打开这个文件，找到他这些from_pretrained，重新在本地搞个文件。
为什么只处理from_pretrained即可，因为需要from_pretrained的大都是训练模型，其中还有训练过程会消耗大量的算力，但是我们的目的只是缓存模型，所以只需要把从hugging face下载这个过程复刻即可。
给大家看几个我缓存模型 、数据集 、评价指标的示例，大家对照修改即可。
下载模型：
下载数据集：
下载评价指标：
