Parcourir Outils Top 100
GGUF PTH
Conversion de fichier

Convertir GGUF en PTH

Vérifié par Adam B.· révisé par FE Editorial ·mis à jour Jul 14, 2026
RÉPONSE RAPIDE
Est-il possible de convertir GGUF en PTH ?
Oui - GGUF se convertit en PTH.

Utilisez un script Python basé sur GGUFReader et dequantize() de la bibliothèque gguf pour lire chaque tenseur, le convertir en F32/F16, remapper les noms vers leurs clés PyTorch d'origine, et appeler torch.save(). Le bémol : un GGUF qui a été quantifié (Q4, Q5, etc.) ne retrouve jamais la précision perdue, les poids résultants sont donc des approximations déquantifiées, pas le modèle original.

Sur cette page

Testé sur macOS, Windows et Linux
Dernière vérification le Sep 2026

Plus de convertisseurs gratuits

HEIC, PNG, WEBP, MP3 et plus - chaque outil ici est gratuit.

Ouvrir la boîte à outils

Pourquoi convertir GGUF en PTH ?

On convertit le .gguf en .pth lorsqu'on souhaite affiner (fine-tune) ou re-quantifier un modèle dans l'écosystème PyTorch alors qu'on ne dispose que de la version GGUF. Un GGUF stocke des métadonnées (comme une configuration) plus des données de tenseurs (comme un dictionnaire d'état), donc le mappage vers un dictionnaire d'état PyTorch est possible pour les architectures prises en charge. C'est une voie de récupération, pas un processus sans perte.

Comment convertir GGUF en PTH

Bibliothèque Python gguf + PyTorch OPEN-SOURCE

Installez gguf et torch, puis bouclez sur GGUFReader(path).tensors, exécutez gguf.quants.dequantize() sur chacun, et faites torch.save(state_dict, "model.pth"). Vous devez remapper les noms des tenseurs GGUF vers les clés d'origine du modèle.

gguf_to_safetensors puis conversion OPEN-SOURCE

Exécutez gguf_to_safetensors pour déquantifier vers un fichier .safetensors, puis chargez-le avec safetensors.torch.load_file et sauvegardez-le via torch.save() pour obtenir un .pth.

Outils inverses llama.cpp FREE

Le lecteur gguf de llama.cpp expose les tenseurs ; scriptez l'étape de déquantification et écrivez un dictionnaire d'état PyTorch. Seules les architectures pleinement supportées par llama.cpp fonctionneront.

À propos de ces formats

.GGUF GGML Universal Format File

Un fichier .gguf est un fichier au format universel GGML (GGML Universal Format), le conteneur binaire utilisé par llama.cpp et les outils associés pour stocker un grand modèle de langage…

Ouvrir les détails de .GGUF →
.PTH Python Path Configuration File

Un fichier .pth est le plus souvent un fichier de configuration du chemin Python - un minuscule fichier en texte brut qui indique à Python quels répertoires supplémentaires ajouter à son…

Ouvrir les détails de .PTH →

Qualité et points de vigilance

  • Les poids GGUF quantifiés sont avec perte - la déquantification donne une approximation, jamais les valeurs FP16/FP32 d'origine.
  • Le mappage des noms de tenseurs est spécifique à l'architecture ; les modèles non supportés ne seront pas mappés et la conversion échouera.
  • Le fichier .pth de sortie est un dictionnaire d'état brut sans classe de modèle, vous avez donc toujours besoin du code de modèle PyTorch correspondant pour le charger.

Foire aux questions

Puis-je récupérer exactement le modèle original ?
Non si le GGUF a été quantifié. La déquantification reconstruit des tenseurs en pleine précision à partir de données avec perte, de petites différences numériques subsistent donc.
Ai-je besoin d'un GPU ?
Non. La lecture et la déquantification des tenseurs s'exécutent sur CPU ; un GPU n'est utile que si vous utilisez le modèle par la suite.
Pourquoi ma conversion produit-elle des noms de tenseurs erronés ?
Le mappage des noms se fait par architecture. Si le modèle n'est pas dans la table de mappage du script, les clés ne correspondront pas à PyTorch et le chargement échouera.
Lequel est le meilleur, .pth ou .safetensors ?
.safetensors est plus sûr à partager (pas d'exécution de code pickle) et se charge plus rapidement, mais .pth est le format natif de dictionnaire d'état PyTorch pour l'entraînement.