삭제

2025-05-20 02:03:32 +00:00 · 2025-05-20 02:03:32 +00:00 · 8fc301019e
commit 8fc301019e
parent f8c401e288
1 changed files with 0 additions and 224 deletions
--- a/1/model.py
+++ b/1/model.py
@ -1,224 +0,0 @@
 import triton_python_backend_utils as pb_utils
 from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
 import numpy as np
 import json
 class TritonPythonModel:
    def initialize(self, args):
        """
        모델이 로드될 때 딱 한 번만 호출됩니다.
        `initialize` 함수를 구현하는 것은 선택 사항입니다. 이 함수를 통해 모델은
        이 모델과 관련된 모든 상태를 초기화할 수 있습니다.
        """
        self.logger = pb_utils.Logger
        self.model_name = args["model_name"]
        model_repository = args["model_repository"]
        model_path = f"{model_repository}/{self.model_name}"
        self.model_config = json.loads(args["model_config"])
        # Hugging Face Transformers 라이브러리에서 사전 학습된 토크나이저를 로드합니다.
        self.tokenizer = AutoTokenizer.from_pretrained(model_path)
        self.tokenizer.pad_token_id = self.tokenizer.eos_token_id
        self.supports_chat_template = self._check_chat_template_support()
        # Hugging Face Transformers 라이브러리에서 사전 학습된 언어 모델을 로드합니다.
        self.model = AutoModelForCausalLM.from_pretrained(
            pretrained_model_name_or_path=model_path,
            local_files_only=True,
            device_map="auto"
        )
        self.enable_inference_trace = self._get_inference_trace_setting()
        self.logger.log_info(f"'{self.model_name}' 모델 초기화 완료")
    def execute(self, requests):
        """
        Triton이 각 추론 요청에 대해 호출하는 실행 함수입니다.
        """
        responses = []
        # 각 추론 요청을 순회하며 처리합니다.
        for request in requests:
            # Triton 입력 파싱
            input_text = self._get_input_value(request, "text_input")
            text = ""
            conversation = ""
            input_token_length = 0  # 입력 토큰 길이를 저장할 변수
            # 입력 텍스트가 JSON 형식의 대화 기록인지 확인합니다.
            try:
                conversation = json.loads(input_text)
                is_chat = True
                self.logger.log_info(f"입력 conversation 출력:\n{conversation}")
            except:
                # JSON 파싱에 실패하면 일반 텍스트로 처리합니다.
                text = input_text
                is_chat = False
                self.logger.log_info(f"입력 text 출력:\n{text}")
            # 입력 텍스트를 토큰화합니다.
            if self.supports_chat_template and is_chat:
                self.logger.log_info(f"Chat 템플릿을 적용하여 토큰화합니다.")
                inputs = self.tokenizer.apply_chat_template(
                                            conversation,
                                            tokenize=True,
                                            add_generation_prompt=True,
                                            return_tensors="pt",
                                            return_dict=True
                                            ).to(device=self.model.device)
            else:
                self.logger.log_info(f"입력 텍스트를 토큰화합니다.")
                inputs = self.tokenizer(
                            text,
                            return_tensors="pt").to(device=self.model.device)
            input_ids = inputs["input_ids"]
            attention_mask = inputs["attention_mask"]
            input_token_length = inputs["input_ids"].shape[-1]
            # 언어 모델을 사용하여 텍스트를 생성합니다.
            gened = self.model.generate(
                input_ids=input_ids,
                attention_mask=attention_mask,
                generation_config=self._process_generation_config(request),
                pad_token_id=self.tokenizer.pad_token_id,
            )
            # 생성된 토큰 시퀀스를 텍스트로 디코딩하고 입력 텍스트는 제외합니다.
            generated_tokens = gened[0][input_token_length:] # 입력 토큰 이후부터 슬라이싱
            gened_text = self.tokenizer.decode(generated_tokens, skip_special_tokens=True)
            self.logger.log_info(f"모델이 생성한 토큰 시퀀스 (입력 텍스트 제외):\n{gened_text}")
            output = gened_text.strip()
            # 생성된 텍스트를 Triton 출력 텐서로 변환합니다.
            output_tensor = pb_utils.Tensor("text_output", np.array(output.encode('utf-8'), dtype=np.bytes_))
            # 응답 객체를 생성하고 출력 텐서를 추가합니다.
            responses.append(pb_utils.InferenceResponse(output_tensors=[output_tensor]))
        return responses
    def _process_generation_config(self, request):
        """
        추론 요청에서 생성 설정 관련 파라미터들을 추출하여 GenerationConfig 객체를 생성합니다.
        Args:
            request (pb_utils.InferenceRequest): Triton 추론 요청 객체.
        Returns:
            transformers.GenerationConfig: GenerationConfig 객체.
        """
        max_length = self._get_input_value(request, "max_length", default=20)
        max_new_tokens = self._get_input_value(request, "max_new_tokens")
        temperature = self._get_input_value(request, "temperature")
        do_sample = self._get_input_value(request, "do_sample")
        top_k = self._get_input_value(request, "top_k")
        top_p = self._get_input_value(request, "top_p")
        repetition_penalty = self._get_input_value(request, "repetition_penalty")
        stream = self._get_input_value(request, "stream")
        generation_config = GenerationConfig(
            max_length=max_length,
            max_new_tokens=max_new_tokens,
            temperature=temperature,
            do_sample=do_sample,
            top_k=top_k,
            top_p=top_p,
            repetition_penalty=repetition_penalty,
            stream=stream,
        )
        self.logger.log_info(f"추론 요청 GenerationConfig:\n{generation_config}")
        return generation_config
    def _get_inference_trace_setting(self):
        """
        모델 설정(config.pbxt)에서 'enable_inference_trace' 값을 추출하여 반환합니다.
        'enable_inference_trace' 설정이 없거나, 올바른 형식이 아닌 경우 기본적으로 False를 반환합니다.
        Returns:
            bool: 추론 추적 활성화 여부 (True 또는 False).
        """
        parameters = self.model_config.get('parameters', {})
        trace_config = parameters.get('enable_inference_trace')
        if isinstance(trace_config, dict) and 'string_value' in trace_config:
            return trace_config['string_value'].lower() == 'true'  # 문자열 값을 bool로 변환하여 반환
        return False
    def _check_chat_template_support(self):
      """
      주어진 허깅페이스 Transformer 모델이 Chat 템플릿을 지원하는지 확인하고 결과를 출력합니다.
      Returns:
            bool: Chat 템플릿 지원 여부 (True 또는 False).
      """
      try:
          if hasattr(self.tokenizer, "chat_template") and self.tokenizer.chat_template is not None:
              self.logger.log_info(f"'{self.model_name}' 모델의 토크나이저는 Chat 템플릿을 지원합니다.")
              self.logger.log_info("Chat 템플릿 내용:")
              self.logger.log_info(self.tokenizer.chat_template)
              return True
          else:
              self.logger.log_info(f"'{self.model_name}' 모델의 토크나이저는 Chat 템플릿을 직접적으로 지원하지 않거나, Chat 템플릿 정보가 없습니다.")
              return False
      except Exception as e:
          self.logger.log_info(f"'{self.model_name}' 모델의 토크나이저를 로드하는 동안 오류가 발생했습니다: {e}")
          return False
    def _get_input_value(self, request, input_name: str, default=None):
        """
        Triton 추론 요청에서 특정 이름의 입력 텐서 값을 가져옵니다.
        Args:
            request (pb_utils.InferenceRequest): Triton 추론 요청 객체.
            input_name (str): 가져올 입력 텐서의 이름.
            default (any, optional): 입력 텐서가 없을 경우 반환할 기본값. Defaults to None.
        Returns:
            any: 디코딩된 입력 텐서의 값. 텐서가 없으면 기본값을 반환합니다.
        """
        tensor_value = pb_utils.get_input_tensor_by_name(request, input_name)
        if tensor_value is None:
            return default
        return self._np_decoder(tensor_value.as_numpy()[0])
    def _np_decoder(self, obj):
        """
        NumPy 객체의 데이터 타입을 확인하고 Python 기본 타입으로 변환합니다.
        Args:
            obj (numpy.ndarray element): 변환할 NumPy 배열의 요소.
        Returns:
            any: 해당 NumPy 요소에 대응하는 Python 기본 타입 (str, int, float, bool).
                 bytes 타입인 경우 UTF-8로 디코딩합니다.
        """
        if isinstance(obj, bytes):
           return obj.decode('utf-8')
        if np.issubdtype(obj, np.integer):
           return int(obj)
        if np.issubdtype(obj, np.floating):
           return round(float(obj), 3)
        if isinstance(obj, np.bool_):
           return bool(obj)
    def finalize(self):
        """
        모델 실행이 완료된 후 Triton 서버가 종료될 때 한 번 호출되는 함수입니다.
        `finalize` 함수를 구현하는 것은 선택 사항입니다. 이 함수를 통해 모델은
        종료 전에 필요한 모든 정리 작업을 수행할 수 있습니다.
        """
        pass