# Hugging Face Cache unter Windows: Prüfen, bereinigen und verschieben Hugging-Face-Downloads können ein Windows-Laufwerk durch mehrere Modellversionen, Datensätze und unterbrochene Downloads füllen. Beginnen Sie mit den Cache-Werkzeugen in der Umgebung, die die Dateien heruntergeladen hat. Das Löschen eines beliebigen `blobs`-Ordners kann Revisionen beschädigen, die diese Dateien noch gemeinsam nutzen, während das Löschen des gesamten `HF_HOME` auch den Authentifizierungsstatus entfernen kann. ## Finden Sie den Cache, den Ihre Anwendung tatsächlich verwendet Der übliche Hub-Cache ist `%USERPROFILE%\.cache\huggingface\hub`, aber eine Anwendung kann ein anderes Konto, eine andere Umgebungsvariable oder ein explizites Cache-Verzeichnis verwenden. Die [Umgebungsvariablen-Referenz](https://huggingface.co/docs/huggingface_hub/package_reference/environment_variables) unterscheidet `HF_HOME`, `HF_HUB_CACHE` und `HF_XET_CACHE`. `HF_HOME` ist umfassender als der Modell-Cache und enthält das gespeicherte Authentifizierungstoken. Öffnen Sie das Terminal oder die Python-Umgebung, die von der KI-Anwendung verwendet wird, und prüfen Sie den installierten Befehl: ``` hf cache --help hf cache ls hf cache ls --revisions ``` Dies sind Inventarbefehle. Wenn `hf` oder ein Unterbefehl nicht verfügbar ist, prüfen Sie die `huggingface_hub`-Version in dieser Umgebung und den unterstützten Upgrade-Pfad des Tools. Aktualisieren Sie nicht eine unabhängige globale Python-Installation und gehen Sie nicht davon aus, dass sich dadurch die private Umgebung der App ändert. Für einen anderswo konfigurierten Hub-Cache geben Sie den tatsächlichen Pfad mit `--cache-dir` an. Eine Auflistung vom Standardort beweist nicht, dass der größere benutzerdefinierte Ort leer ist. ## Prüfen Sie Befehl und Pfad, bevor Sie der Gesamtsumme vertrauen In PowerShell zeigen diese Prüfungen, welche ausführbare Datei aufgerufen wird und welche Pfadüberschreibungen der aktuelle Prozess verwendet. Das Authentifizierungstoken wird dabei nicht angezeigt: ```powershell Get-Command hf | Select-Object Source $env:HF_HOME $env:HF_HUB_CACHE $env:HF_XET_CACHE ``` Eine leere Zeile bedeutet, dass diese Variable im aktuellen PowerShell-Prozess nicht gesetzt ist. Das belegt nicht, dass ein Desktop-Starter, eine virtuelle Umgebung oder ein Dienst keine Überschreibung verwendet. Vergleichen Sie diese Ausgaben mit der Anwendung, die den Download durchgeführt hat, insbesondere wenn mehrere Python-Installationen vorhanden sind. Verwenden Sie für einen beispielhaften benutzerdefinierten Cache seinen expliziten Pfad sowohl in der Bestandsaufnahme als auch in der Vorschau: ```powershell hf cache ls --cache-dir "D:\AI\huggingface\hub" --revisions hf cache rm model/OWNER/REPOSITORY --cache-dir "D:\AI\huggingface\hub" --dry-run ``` Ersetzen Sie den Pfad und die Repository-ID durch die auf dem PC gefundenen Werte. Wenn der installierte Befehl eine Option ablehnt, halten Sie an und lesen Sie seine Hilfe. Machen Sie aus einem Syntaxfehler keinen manuellen Ordnerlöschvorgang. Eine Auflistung mit null Einträgen an einem neu eingegebenen Pfad ist ebenfalls kein Beleg dafür, dass der tatsächliche Cache leer ist. ## Verstehen Sie, warum mehrere Revisionen unter Windows mehr Speicherplatz benötigen können Die [Cache-Erklärung](https://huggingface.co/docs/huggingface_hub/guides/manage-cache) von Hugging Face beschreibt gemeinsam genutzte Blobs und Revisions-Snapshots. Unter Windows ohne Symlink-Unterstützung können Dateien direkt in Snapshots gespeichert werden, sodass dieselbe Datei über Revisionen hinweg mehrfach Speicherplatz belegen kann. Der Entwicklermodus kann das effizientere Symlink-Verhalten ermöglichen, wo die Richtlinie es zulässt. Das Ausblenden der Symlink-Warnung aktiviert keine Symlinks und dedupliziert keine alten Downloads nachträglich. Führen Sie nicht die gesamte KI-Anwendung als Administrator aus, nur um diese Meldung zu unterdrücken. Unterscheiden Sie außerdem den Hub-Cache von Modelldateien, die in den eigenen Ordner einer Anwendung kopiert wurden. Ein Cache-Befehl erfasst nicht jede `.safetensors`- oder GGUF-Datei auf dem PC. ## Vermeiden Sie doppelte Zählung gemeinsam genutzter Modelldateien Die aktuelle Cache-Dokumentation beschreibt eine gemeinsame Nutzung nicht nur zwischen Revisionen, sondern für geeignete Xet-Downloads auch über Repositories hinweg. Die gemeldete Größe eines Repositorys kann logisch sein, während die physische Größe des gesamten Caches gemeinsam genutzte Dateien nur einmal zählt. Das Addieren aller Repository-Größen kann daher den Betrag überschätzen, der durch das Löschen dieser Repositories zurückgewonnen würde. Das ist relevant, wenn zwei Modellnamen gleich groß erscheinen. Je nach Downloadmethode und Dateisystem können sie unterschiedliche Gewichte, gemeinsam genutzte Dateien oder separate Kopien enthalten. Lassen Sie das kompatible Cache-Werkzeug einen Löschplan berechnen, statt anzunehmen, dass jedes aufgelistete Gigabyte unabhängig ist. Dieselbe Dokumentation warnt, dass nicht alle älteren Clients den neueren gemeinsam genutzten Speicher korrekt verwalten. Wenn der Cache von einer neueren Bibliothek erstellt wurde als dem Werkzeug, das Sie zum Entfernen verwenden wollen, prüfen Sie vor der Bereinigung die vom Anwendung unterstützte Version. Erhalten Sie die bestehende Umgebung oder verwenden Sie bewusst ein kompatibles, gepflegtes Werkzeug; aktualisieren Sie festgelegte Abhängigkeiten einer Anwendung nicht blind. Der Hub-Cache ist nur ein Speicherort. Xet-Daten, Ausgaben der Dataset-Verarbeitung und Dateien, die ausdrücklich in ein lokales Modellverzeichnis heruntergeladen wurden, können sich anderswo befinden. Wenn die Hub-Vorschau nur einen kleinen Teil der Speicherbelegung erklärt, ermitteln Sie diese anderen Verursacher, statt die Hub-Löschung aggressiver zu gestalten. ## Sehen Sie sich die Entfernung eines bekannten Repositories in der Vorschau an Stoppen Sie Downloads, Training und Inferenz, die den Ziel-Cache verwenden. Identifizieren Sie ein Repository, das Sie nicht mehr benötigen, und bestätigen Sie, dass seine exakte Revision wieder verfügbar ist, falls die Wiederherstellung wichtig ist. Zugriffsbeschränkungen, vom Anbieter gelöschte Dateien und Offline-Nutzung können ein nominell herunterladbares Modell schwer ersetzbar machen. Die aktuelle [CLI-Anleitung](https://huggingface.co/docs/huggingface_hub/guides/cli) unterstützt eine Vorschau: ``` hf cache rm model/OWNER/REPOSITORY --dry-run ``` Ersetzen Sie `model/OWNER/REPOSITORY` durch die genaue ID aus der Auflistung. Lesen Sie die betroffenen Revisionen und die Größe. Erst nach dieser Prüfung führen Sie denselben Befehl ohne `--dry-run` aus und beantworten Sie seine Bestätigung. Dies ist eine Löschung, keine Verschiebung in den Papierkorb. Für die Bereinigung nicht referenzierten Cache-Materials sehen Sie sich den Plan des installierten Tools separat in der Vorschau an: ``` hf cache prune --dry-run ``` Eine nicht referenzierte Revision kann dennoch von einem Skript benötigt werden, das auf ihren Commit festgelegt ist. Prüfen Sie diese Projekte, bevor Sie einen Prune akzeptieren. Verwenden Sie kein pauschales Bestätigungsflag, um diese Prüfung zu umgehen. ## Prüfen Sie einen Prune-Plan gegen reale Projekte Ein Branch- oder Tag-Verweis im Cache ist keine vollständige Bestandsaufnahme dessen, was Ihre Projekte benötigen. Ein Skript kann einen exakten Revisionshash nennen, der nicht mehr die Spitze des gecachten Branches ist. Bevor Sie einen Prune akzeptieren, durchsuchen Sie die Konfiguration aktiver Projekte nach der Modell-ID und der festgelegten Revision, und bewahren Sie eine Kopie alles Erforderlichen für Offline- oder reproduzierbare Arbeit auf. Die aktuelle CLI-Dokumentation berücksichtigt unterbrochene `.incomplete`-Downloads im Prune-Verhalten. Schließen Sie den zugehörigen Download ab oder stoppen Sie ihn, bevor Sie den Plan prüfen. Eine von einem unterbrochenen Download hinterlassene Teil-Datei unterscheidet sich von einer Datei, die ein anderer laufender Prozess noch schreibt. Führen Sie nach einer geprüften Entfernung die Bestandsaufnahme für denselben expliziten Cache-Pfad erneut aus und vergleichen Sie den verfügbaren Speicherplatz auf demselben Laufwerk. Führen Sie dann eine kleine repräsentative Arbeitslast aus. Wenn diese sofort wieder ein großes Modell herunterlädt, benötigt diese Arbeitslast die entfernten Daten weiterhin; eine Wiederholung der Bereinigung tauscht nur Speicherplatz gegen Downloadzeit. Halten Sie bei einem Verschieben den Authentifizierungszustand aus dem Vorgang heraus, sofern die Verlagerung nicht beabsichtigt ist. Nur `HF_HUB_CACHE` auf ein anderes Laufwerk zu richten ist enger gefasst, als das gesamte Verzeichnis `HF_HOME` zu verschieben. Notieren Sie den alten Wert vor der Änderung, starten Sie die zugehörige App neu und prüfen Sie, wo ihr nächster tatsächlicher Download erscheint. Wenn die App weiterhin das alte Verzeichnis verwendet, untersuchen Sie ihren expliziten Cache-Pfad, bevor Sie eine der beiden Kopien entfernen. ## Verschieben Sie zukünftige Downloads, ohne die Orte zu verwechseln Um den Hub-Cache auf ein anderes Laufwerk zu legen, konfigurieren Sie `HF_HUB_CACHE` für die Anwendung, der er gehört, und starten Sie diese Anwendung dann vollständig neu. Umgebungsänderungen müssen vor dem Import der Bibliothek vorhanden sein. Ein app-spezifisches `cache_dir` kann weiterhin auf einen anderen Ort zeigen, also überprüfen Sie das tatsächliche Ziel des nächsten Downloads. Das Ändern der Variable verschiebt nicht die alten Dateien. Behalten Sie den alten Cache, bis der neue Ort getestet ist und alle erforderlichen lokal vorhandenen Materialien gesichert sind. Wenn das alte Verzeichnis noch groß ist, prüfen Sie es explizit mit dem Cache-Tool und seinem Pfad. Testen Sie nach der Bereinigung eine wichtige Arbeitslast und vergleichen Sie den freien Speicherplatz auf demselben Volume. Für den separaten Modellspeicher von Ollama verwenden Sie die [Ollama-Migrationsanleitung](/de/windows/blog/move-ollama-models-windows). Gemeinsames Branding rund um KI bedeutet nicht, dass die Tools einen Cache oder einen sicheren Löschbefehl teilen. Canonical: https://mole.fit/de/windows/blog/huggingface-cache-windows