К содержимому
Другое

Kumo Tabular в safetensors

табличные модели без Python-пиклей

2 мин чтенияобновлено

Это неофициальная конвертация весов NVIDIA Kumo Tabular v1.0.1 в формат safetensors. В репозитории лежат классификаторы и регрессоры трёх размеров — small, medium и large. Главное отличие от оригинальных .pt-файлов: safetensors можно читать из любого языка без запуска pickled-кода, а R-пакет tabfound загружает их напрямую, без Python-прослойки. Пригодится тем, кто хочет использовать табличную классификацию или регрессию в не-Python сервисах и не доверяет pickle. Это только смена формата: архитектура, тензоры и значения остались прежними.

Ключевые особенности

  • Веса NVIDIA Kumo Tabular в safetensors: classifier и regressor в размерах small, medium и large.
  • Загрузка из любого языка без исполнения pickle; R-пакет tabfound читает файлы напрямую.
  • Тензоры побитово совпадают с исходными .pt; каждый файл проверен загрузкой strict=True в structured-data-models 0.2.1.
  • В config.json записаны гиперпараметры, источник и полный SHA-256 исходного .pt.
  • Это неофициальная копия: NVIDIA её не выпускала и не одобряет.

Что можно сделать

  • Подключить табличную классификацию или регрессию в сервис на языке, где нет удобного PyTorch.
  • Загрузить small/medium/large в R через tabfound без Python-шага.
  • Использовать safetensors в продакшене, где не хочется запускать pickled-код.
  • Сверить свои пайплайны с оригиналом: веса совпадают побитово.

Пример

import torch, sdm
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

model = sdm.models.KumoTabular(task="classification", size="small", pretrained=False)
path = hf_hub_download("mneunhoe/Kumo-Tabular-safetensors", "small/classifier/model.safetensors")
model.models["classification"].load_state_dict(load_file(path))
model.eval()
ПодробнееНеофициальная копия весов NVIDIA Kumo Tabular v1.0.1; NVIDIA не выпускала и не одобряет её.
Все тензоры побитово совпадают с исходными .pt; проверена загрузка strict=True в structured-data-models 0.2.1.
Параметры: small — 27.5M/28.5M (classifier/regressor), medium — 61.5M/62.5M, large — 213.7M/215.7M.
Лицензия OpenMDW-1.1; изменён только формат файлов. Общий RoPE-буфер продублирован по ключам, значения идентичны.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.8 GB · готовые файлы1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # mneunhoe/Kumo-Tabular-safetensors
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download mneunhoe/Kumo-Tabular-safetensors --local-dir ~/models/Kumo-Tabular-safetensors
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Kumo-Tabular-safetensors
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

nvidia/Kumo-Tabular

Новые посты про версии Kumo-Tabular — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 8Все на Hugging Face

О модели

mneunhoe/Kumo-Tabular-safetensors
Автор
mneunhoe
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Aurum 4B

Aurum 4B