服务器跑模型为什么还占c盘空间

服务器跑模型占C盘空间，核心原因是AI框架和数据集默认把缓存、临时文件、虚拟环境写到系统盘，而C盘通常是系统盘。你以为是模型在“跑”，其实是它在把家安在你最不想让它住的地方。

服务器跑模型C盘满了怎么办：先搞懂空间是被谁吃掉的

CPU和GPU在计算时,需要大量的临时文件读写，这里的“临时”不是我们平时说的几兆，而是几十GB规模的模型权重、梯度检查点、日志文件。绝大多数AI框架的默认缓存路径都指向系统盘的用户目录（C:Users用户名 或 /root），很少有开发者会主动修改这些路径，你跑一个7B参数的模型，光权重文件就要占据14GB以上，这还不包括优化器状态和激活值缓存。

训练模型C盘空间不足的常见原因

• Python虚拟环境重复安装：每次新建conda或venv环境，PyTorch和CUDA依赖就会复制一份，动辄5-8GB。
• HuggingFace模型默认下载到用户目录：~/.cache/huggingface 是模型文件的重灾区，几个模型就能塞满100GB。
• pip安装时的临时缓存：pip先把包下载到临时目录再解压安装，安装完不清理，日积月累非常大。
• 交换文件和休眠文件：Windows上的pagefile.sys和hiberfil.sys会随着内存占用膨胀。
• Docker桌面版虚拟磁盘：WSL2的ext4.vhdx文件只增不减，删除镜像后也不会自动缩小。

C盘存储占用与D盘存储占用的本质差异

很多人疑问：我把模型数据放到D盘，为什么C盘空间还是越来越小？行业共识认为，AI框架默认把用户目录和临时目录硬编码在系统分区，举例：你下载一个数据集到D盘训练，但PyTorch的DataLoader还是会往C盘的temp目录写shuffle索引和预取缓存，更隐蔽的是，Windows的文件系统虚拟化（UAC）会把某些写入请求重定向到C盘用户目录下的VirtualStore，你以为写进了D盘，实际还是占了C盘容量。

删除模型后，C盘空间未释放的隐性元凶

这是相当一部分用户搜索“服务器跑模型c盘满了怎么办”却找不到答案的原因，罪魁祸首是分页文件（虚拟内存），跑大模型通常需要特大内存，系统会自动扩充pagefile.sys，训练结束后它不会自动缩小，一个16GB内存的服务器，遇到70B模型推理时，pagefile.sys可能膨胀到40GB以上。

内行人指出,将pagefile.sys固定大小并迁移到D盘，是立竿见影的释放手段。

页面文件之外,还有几个隐藏很深的数据。

深度学习C盘被占满后的清理步骤

第一步：定位“现实中的空间去向”

• Windows上使用WizTree或SpaceSniffer扫描C盘。
• Linux上用ncdu /查看目录大小排序。

按经验,扫描结果的前三名通常被这些路径占据：C:Users用户名.cache、C:Users用户名AppDataLocalTemp、C:Users用户名AppDataLocalProgramsPython。

第二步：清理pip和conda的缓存

# 清理pip缓存
pip cache purge
# 清理conda缓存的安装包文件
conda clean --all
# 清理浏览器下载的权重文件残留
rm -rf ~/Downloads/.bin

第三步：转移HuggingFace默认缓存目录（这是解决“训练模型C盘空间不足”最重要的操作）

# 先把现有缓存移动到D盘
mv ~/.cache/huggingface /d/data/huggingface
# 创建软链接，让程序自动寻找新路径
ln -s /d/data/huggingface ~/.cache/huggingface

Windows环境下,用mklink /J C:Users用户名.cachehuggingface D:datahuggingface实现目录联接，效果等同软链接，移动完成后，C盘会一次性腾出几十GB。

第四步：全面卸载AI框架，而非使用删除快捷方式的“伪卸载”

C盘空间被占满后,卸载采用“保留代码”的框架残留较多，用pip uninstall torch torchvision torchaudio会留下大量共享依赖库，正确顺序是：先卸载所有依赖包，再手动删除C:Users用户名AppDataLocalProgramsPythonPython312Libsite-packages中的残留文件夹，最后用Disk Cleanup清除Windows更新缓存。

服务器跑模型的场景差异：Windows和Linux谁更吃C盘

在Windows服务器上跑模型的用户,基本都会遇到C盘空间被“不知不觉地”填满，这是因为Windows的DLL依赖机制和注册表项要求AI框架必须把核心库写入系统目录，PyTorch的CUDA运行库会在C:WindowsSystem32下植入部分NVML动态链接库，这也是为什么一个框架卸载干净特别困难。

至于Linux服务器,则相对没那么容易出现“C盘满”的典型问题（Linux叫根分区），Docker和K8s默认数据存放在/var/lib/docker，如果当时没有做根分区扩容，就会频繁触发磁盘写满导致容器全部退出其表现形式近似于“C盘被占满”。

设置了环境变量TMPDIR，仍然跑模型C盘爆满的原因

只修改TMPDIR环境变量远远不够，CUDA的context缓存与TensorRT的engine缓存默认写在系统盘目录，这与常规临时文件路径是独立的，具体路径映射：

Windows CUDA缓存：C:Users用户名AppDataLocalNVIDIAComputeCache
Linux CUDA缓存：~/.nv/ComputeCache
TensorRT缓存目录：~/.tensorrt

环境变量是显式指定的,但有些底层缓存不受环境变量控制，章节中提到的路径需要逐一手动迁移，不可依赖单个变量覆盖全部场景。

预防AI训练占用C盘空间的系统化设置

减少跑模型时对C盘造成的压力,最难的是养成习惯，当你新建项目的第一件事就是规划活动数据包的去向，C盘基本不会再出现红色警告。

更改pip和conda默认安装位置

不要再用pip install默认方式安装大型库，在C:Users用户名下新建pip文件夹并创建pip.ini：

[global]
target = D:pythonsite-packages
cache-dir = D:pythonpip-cache

对应conda环境,用conda config --set pkgs_dirs D:condapkgs修改安装包缓存路径，用conda env create -p D:envstorch -f environment.yml将虚拟环境建到D盘分区。

定期清理“重启后自动重建”的临时文件

Docker在Windows上的默认vhd虚拟磁盘文件只增不减,定期清理步骤：

1. 停止WSL：wsl --shutdown
2. 使用diskpart命令compact vdiskfile压缩WSL2的虚拟磁盘
3. 清理C:Users用户名AppDataLocalDockerwsl下的docker_data.vhdx

Linux服务器则可以使用docker system prune一次性清理悬空镜像与构建缓存，据多家云服务商年度存储报告显示，此类操作可为根分区释放30%以上的占用空间。

服务器跑模型占C盘空间具体场景分析

用服务器本地推理私有化部署

在英伟达GPU服务器部署ChatGLM或Llama这类开源大模型时,模型文件权重动辄几十GB，部署模型需要先将权重下载至磁盘再加载至显存，而默认下载路径就在C盘。

若权重文件同时留存了多个微调变体，磁盘空间条会以肉眼可见的速度变红，实际操作中，下载权重的目录和HuggingFace缓存目录要迁移走，之后给加载模型的进程设置PYTHONUSERBASE，确保模型运行产生的日志写入D盘。

服务器作为训练节点持续运行

持续训练生成对抗网络和扩散模型时,模型检查点会按epoch周期写入磁盘，默认配置下，每轮保留的checkpoint文件都覆盖在C盘用户目录，跑一个100轮的任务，400GB且呈线性增长是很常见的，可以调大save_interval时间，或只保留最好的权重和最近的检查点，训练任务较重时，checkpoint写入能占C盘写入带宽的90%以上。

多用户共用一台服务器的空间分配问题

多人共用服务器时,每个人默认的Python环境与缓存都会塞入根分区，一位用户运行torch.hub.load下载一个预训练模型，就会在~/.cache/torch/hub下生成几GB数据，多用纯代码时，用配额限制工具给不同用户设置磁盘配额，或用--cache-dir参数指定用户的额外空间。

Q&A：有关AI模型运行占用C盘空间的解答

Q1：为什么C盘空间满了以后，模型训练速度会明显变慢？

训练速度下降与内存映射垫满、虚拟内存交换有关。当C盘剩余空间逼近极限时，操作系统会频繁进行页面合并和缓存回写，尤其对大文件映射（内存映射权重）影响严重，临时目录无法写入会导致DataLoader直接报错，预留20%以上的C盘空闲容量是维持GPU利用率的基本前提。

Q2：把模型安装在D盘，C盘空间就完全安全了吗？

安装到D盘解决了主权重文件的问题,但临时目录、pip缓存、HuggingFace缓存、CUDA缓存依然留在C盘，必须把上面列举的所有路径逐一使用符号链接转移至D盘，才算把C盘的存储压力完全释放。

Q3：有哪些不需要重装系统就能增加C盘容量的方法？

使用磁盘管理中的“压缩卷”对D盘收缩，将未分配空间扩展到C盘，是多数情况下可行的方案（若D盘数据较少且连续），也可用第三方分区工具移动页面文件和休眠文件，在“系统属性高级性能设置虚拟内存”中把页面文件从C盘迁移至其他分区，对于Windows磁盘末尾有环境保留分区的场景，需要先将该分区删除，再进行C盘空间扩展。