поскольку модель написана на чистом PyTorch, вы можете скачать файл model.pth напрямую из этого репозитория и инициализировать архитектуру следующим кодом.

1. архитектура и загрузка весов:

python

import torch
from torch import nn
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

# архитектура
class VideoNet128(nn.Module):
    def __init__(self):
        super().__init__()
        self.enc = nn.Sequential(
            nn.Conv3d(3, 32, 3, padding=1), nn.ReLU(True), nn.MaxPool3d((1, 2, 2)),
            nn.Conv3d(32, 64, 3, padding=1), nn.ReLU(True), nn.MaxPool3d((1, 2, 2)),
            nn.Conv3d(64, 128, 3, padding=1), nn.ReLU(True), nn.MaxPool3d((1, 2, 2))
        )
        self.dec = nn.Sequential(
            nn.Upsample(scale_factor=(1, 2, 2)), nn.Conv3d(128, 64, 3, padding=1), nn.ReLU(True),
            nn.Upsample(scale_factor=(1, 2, 2)), nn.Conv3d(64, 32, 3, padding=1), nn.ReLU(True),
            nn.Upsample(scale_factor=(1, 2, 2)), nn.Conv3d(32, 16, 3, padding=1), nn.ReLU(True),
            nn.Conv3d(16, 3, 3, padding=1), nn.Tanh()
        )
    def forward(self, x): 
        return self.dec(self.enc(x))

# выбираем девайс
device = "cuda" if torch.cuda.is_available() else "cpu"

# скачиваем веса HueGLoT в новом формате .safetensors
weights_path = hf_hub_download(repo_id="prostochel097/HueGLoT", filename="model.safetensors")

# инициализируем модель и загружаем безопасные веса
model = VideoNet128().to(device)

try:
    # загружаем тензоры напрямую на нужное устройство
    weights = load_file(weights_path, device=device)
    model.load_state_dict(weights)
    model.eval()
    print("модель HueGLoT успешно загружена из .safetensors и готова к работе!")
except Exception as e:
    print(f"ошибка загрузки .safetensors: {e}!")
    print("проверьте, что файл 'model.safetensors' залит в репозиторий hugging face.")

после запуска скрипта добро пожаловать в шизофрению только не забудьте скачать скрипт start.py

лицензия

лицезния apache-2.0, подробнее в файле LICENSE