Bla gjennom Verktøy Topp 100
GGUF PTH
Filkonvertering

Konverter GGUF til PTH

Verifisert av Adam B.· vurdert av FE Editorial ·oppdatert Jul 14, 2026
HURTIGSVAR
Er det mulig å konvertere GGUF til PTH?
Ja - GGUF konverterer til PTH.

Bruk et Python-skript bygget på gguf-bibliotekets GGUFReader og dequantize() for å lese hver tensor, oppskalere den til F32/F16, remappe navnene til deres originale PyTorch-nøkler, og kalle torch.save(). Haken: en GGUF som ble kvantisert (Q4, Q5, etc.) gjenvinner aldri presisjonen den mistet, så de resulterende vektene er dekvantiserte tilnærminger, ikke den originale modellen.

På denne siden

Testet på macOS, Windows og Linux
Sist verifisert Sep 2026

Flere gratis konverteringer

HEIC, PNG, WEBP, MP3 og mer - alle verktøy her er gratis.

Åpne verktøykassen

Hvorfor konvertere GGUF til PTH?

Folk konverterer .gguf til .pth når de ønsker å finjustere eller re-kvantisere en modell i PyTorch-økosystemet, men bare har GGUF-versjonen. En GGUF lagrer metadata (som en konfigurasjon) pluss tensordata (som en state dict), så det er mulig å mappe den tilbake til en PyTorch state dict for støttede arkitekturer. Det er en gjenopprettingsvei, ikke en tapsfri vei.

Hvordan konvertere GGUF til PTH

gguf Python-bibliotek + PyTorch OPEN-SOURCE

Installer gguf og torch, gå deretter gjennom GGUFReader(path).tensors, kjør gguf.quants.dequantize() på hver, og torch.save(state_dict, "model.pth"). Du må remappe GGUF-tensornavn tilbake til modellens originale nøkler.

gguf_to_safetensors deretter konverter OPEN-SOURCE

Kjør gguf_to_safetensors for å dekvantisere til en .safetensors-fil, last den deretter med safetensors.torch.load_file og lagre på nytt via torch.save() for å få en .pth.

llama.cpp revers-verktøy FREE

llama.cpp sin gguf-leser eksponerer tensorene; skript dekvantiseringssteget og skriv en PyTorch state dict. Bare arkitekturer llama.cpp støtter fullt ut vil fungere feilfritt.

Om disse formatene

.GGUF GGML Universal Format File

En .gguf-fil er en GGML Universal Format-fil, den binære beholderen som brukes av llama.cpp og relaterte verktøy for å lagre en stor språkmodell som en enkelt fil. Den inneholder…

Åpne .GGUF-detaljer →
.PTH Python Path Configuration File

En .pth-fil er oftest en Python-konfigurasjonsfil for søkestier - en liten ren tekstfil som forteller Python hvilke ekstra mapper som skal legges til i søkestien for moduler når den…

Åpne .PTH-detaljer →

Kvalitet og hva du bør passe på

  • Kvantiserte GGUF-vekter er «lossy» - dekvantisering gir en tilnærming, aldri de originale FP16/FP32-verdiene.
  • Mapping av tensornavn er arkitekturspesifikk; ustøttede modeller vil ikke remappes og konverteringen feiler.
  • Utdataen .pth er en ren state dict uten modellklasse, så du trenger fortsatt matchende PyTorch-modellkode for å laste den.

Ofte stilte spørsmål

Kan jeg få den originale modellen nøyaktig tilbake?
Nei hvis GGUF-filen ble kvantisert. Dekvantisering rekonstruerer fullpresisjons-tensorer fra data med tap, så små numeriske forskjeller vil bestå.
Trenger jeg en GPU?
Nei. Lesing og dekvantisering av tensorer kjører på CPU; en GPU hjelper bare hvis du senere skal bruke modellen.
Hvorfor produserer konverteringen min feil tensornavn?
Navnemapping er per arkitektur. Hvis modellen ikke finnes i skriptets mappingtabell, vil ikke nøklene samsvare med PyTorch og lasting feiler.
Hva er best, .pth eller .safetensors?
.safetensors er tryggere å dele (ingen kjøring av pickle-kode) og laster raskere, men .pth er det innfødte PyTorch state-dict-formatet for trening.