# Estatísticas de download de modelos

## Como os downloads são contabilizados para os modelos?

Contar o número de downloads de modelos não é uma tarefa trivial, pois um único repositório de modelo pode conter múltiplos arquivos, incluindo vários arquivos de pesos de modelo (por exemplo, em modelos fragmentados) e diferentes formatos dependendo da biblioteca (GGUF, PyTorch, TensorFlow, etc.). Para evitar a contagem duplicada de downloads (por exemplo, contar um único download de um modelo como múltiplos downloads), o Hub utiliza um conjunto de arquivos de consulta empregados para a contagem de downloads. Nenhuma informação é enviada pelo usuário e nenhuma chamada adicional é feita para isso. A contagem é feita no lado do servidor à medida que o Hub fornece arquivos para download.

Cada solicitação HTTP a esses arquivos, incluindo `GET` e `HEAD`, será contada como um download. Por padrão, quando nenhuma biblioteca é especificada, o Hub usa `config.json` como arquivo de consulta padrão. Caso contrário, o arquivo de consulta depende de cada biblioteca, e o Hub pode examinar arquivos como `pytorch_model.bin` ou `adapter_config.json`.

## Quais são os arquivos de consulta para diferentes bibliotecas?

Por padrão, o Hub verifica `config.json`, `config.yaml`, `hyperparams.yaml`, `params.json` e `meta.yaml`. Algumas bibliotecas substituem esses padrões especificando seu próprio filtro (especificando `countDownloads`). O código que define essas substituições é [open-source](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts). Por exemplo, para a biblioteca `nemo`, todos os arquivos com a extensão `.nemo` são usados para contar os downloads.

## Posso adicionar meus arquivos de consulta para minha biblioteca? 

Sim, você pode abrir um Pull Request [aqui](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts). Aqui está um [exemplo](https://github.com/huggingface/huggingface.js/pull/885/files) mínimo adicionando métricas de download para VFIMamba. Consulte o [guia de integração](./models-adding-libraries#register-your-library) para mais detalhes.

## Como os arquivos `GGUF` são tratados?

Arquivos GGUF são autocontidos e não estão vinculados a uma única biblioteca, portanto, todos eles são contabilizados para downloads. Isso resultará em contagem duplicada de downloads no caso de um usuário realizar o clonagem de um repositório inteiro, mas a maioria dos usuários e interfaces baixa um único arquivo GGUF para um repositório específico.

## Como o `diffusers` é tratado?

A biblioteca `diffusers` é um caso especial e tem seu filtro configurado no código interno. O filtro garante que os repositórios marcados como `diffusers` contabilizem tanto os arquivos carregados por meio da biblioteca quanto aqueles baixados manualmente pelos usuários, por meio de interfaces que exigem o download do arquivo safetensors de nível superior.

```
filter: [
		{
			bool: {
				/// Include documents that match at least one of the following rules
				should: [
					/// Downloaded from diffusers lib
					{
						term: { path: "model_index.json" },
					},
					/// Downloaded from diffusers lib through modular pipelines
					{
						term: { path: "modular_model_index.json" },
					},
					/// Direct downloads (LoRa, Auto1111 and others)
					/// Filter out nested safetensors and pickle weights to avoid double counting downloads from the diffusers lib
					{
						regexp: { path: "[^/]*\\.safetensors" },
					},
					{
						regexp: { path: "[^/]*\\.ckpt" },
					},
					{
						regexp: { path: "[^/]*\\.bin" },
					},
				],
				minimum_should_match: 1,
			},
		},
	]
}
```

## E se eu precisar de dados de download mais detalhados para meus modelos?

Se você precisar de dados de download mais granulares, por exemplo, para:
- distinguir `config.json` dos pesos do modelo,
- exclua downloads de pipelines de CI/CD,
- ou desduplicar usuários (ou seja, contar os baixadores únicos),

em seguida, [Publisher Analytics](./publisher-analytics), e em particular o recurso de [logs granulares](./publisher-analytics#unique-downloaders-and-more-granular-logs), pode fornecer logs de acesso anônimos, no nível de requisição, para todos os modelos e conjuntos de dados publicados pela sua organização.

Eles são fornecidos como logs brutos, pois a maioria das organizações desejará aplicar suas próprias regras personalizadas.