Bladeren Tools Top 100
GGUF PTH
Bestandsconversie

Converteer GGUF naar PTH

Geverifieerd door Adam B.· beoordeeld door FE Editorial ·bijgewerkt Jul 14, 2026
SNEL ANTWOORD
Is het mogelijk om GGUF naar PTH te converteren?
Ja - GGUF converteert naar PTH.

Gebruik een Python-script gebaseerd op de GGUFReader en dequantize() van de gguf-bibliotheek om elke tensor te lezen, deze te upcasten naar F32/F16, de namen te herleiden naar hun originele PyTorch-sleutels en torch.save() aan te roepen. De adder onder het gras: een GGUF die gequantiseerd was (Q4, Q5, enz.) krijgt nooit de verloren precisie terug, dus de resulterende gewichten zijn gedequantiseerde benaderingen, niet het originele model.

Op deze pagina

Getest op macOS, Windows & Linux
Laatst geverifieerd op Sep 2026

Meer gratis converters

HEIC, PNG, WEBP, MP3 en meer - elke tool hier is gratis.

Open de gereedschapskist

Waarom GGUF naar PTH converteren?

Mensen converteren .gguf naar .pth wanneer ze een model willen fine-tunen of opnieuw willen quantiseren in het PyTorch-ecosysteem, maar alleen de GGUF-build hebben. Een GGUF slaat metadata (zoals een configuratie) plus tensordata (zoals een state dict) op, dus het terugkoppelen naar een PyTorch state dict is mogelijk voor ondersteunde architecturen. Het is een herstelpad, geen verliesvrij pad.

Hoe GGUF naar PTH te converteren

gguf Python-bibliotheek + PyTorch OPEN-SOURCE

Installeer gguf en torch, loop vervolgens over GGUFReader(path).tensors, voer gguf.quants.dequantize() uit op elk element en gebruik torch.save(state_dict, "model.pth"). U moet GGUF-tensornamen terugkoppelen naar de originele sleutels van het model.

gguf_to_safetensors en dan converteren OPEN-SOURCE

Voer gguf_to_safetensors uit om te dequantiseren naar een .safetensors-bestand, laad dit vervolgens met safetensors.torch.load_file en sla het opnieuw op via torch.save() om een .pth te krijgen.

llama.cpp reverse tooling FREE

De gguf-reader van llama.cpp stelt de tensoren beschikbaar; script de dequantiseringsstap en schrijf een PyTorch state dict. Alleen architecturen die llama.cpp volledig ondersteunt, zullen correct converteren.

Over deze formaten

.GGUF GGML Universal Format File

Een .gguf-bestand is een GGML Universal Format-bestand, de binaire container die wordt gebruikt door llama.cpp en gerelateerde tools om een groot taalmodel als één enkel bestand op te…

Open .GGUF details →
.PTH Python Path Configuration File

Een .pth-bestand is meestal een Python-padconfiguratiebestand - een klein tekstbestand dat Python vertelt welke extra mappen aan het zoekpad voor modules moeten worden toegevoegd bij het…

Open .PTH details →

Kwaliteit & waar op te letten

  • Gequantiseerde GGUF-gewichten zijn lossy - dequantiseren geeft een benadering, nooit de originele FP16/FP32-waarden.
  • Mapping van tensornamen is architectuurspecifiek; bij niet-ondersteunde modellen zal de mapping niet werken en mislukt de conversie.
  • De resulterende .pth is een kale state dict zonder modelklasse, dus u heeft nog steeds de bijbehorende PyTorch-modelcode nodig om deze te laden.

Veelgestelde vragen

Kan ik het originele model exact terugkrijgen?
Nee, als de GGUF gequantiseerd was. Dequantisering reconstrueert tensoren met volledige precisie uit verliesgevende data, waardoor kleine numerieke verschillen blijven bestaan.
Heb ik een GPU nodig?
Nee. Het lezen en dequantiseren van tensoren gebeurt op de CPU; een GPU helpt alleen als u het model later gaat gebruiken.
Waarom produceert mijn conversie verkeerde tensornamen?
Naam-mapping is per architectuur. Als het model niet in de mapping-tabel van het script staat, komen de sleutels niet overeen met PyTorch en mislukt het laden.
Wat is beter, .pth of .safetensors?
.safetensors is veiliger om te delen (geen uitvoering van pickle-code) en laadt sneller, maar .pth is het eigen PyTorch state-dict formaat voor training.