Update 1/model.py

1/model.py

@@ -1,22 +1,3 @@
-"""
-[Transformer-LLM 백엔드 가이드]
-
-본 파일은 NVIDIA Triton Server에서 Hugging Face `AutoModelForCausalLM` 기반 모델을 손쉽게 배포하기 위해 제공되는 커스텀 Python 백엔드 템플릿입니다.
-
-1. 모델 호환성
-   - Hugging Face의 `AutoModelForCausalLM` 클래스와 호환되는 모든 Causal Language Model을 지원합니다.
-   - [확인] 배포할 모델 `config.json`의 `architectures` 항목이 `...ForCausalLM` 형식인지 확인.
-   - [확인] 모델이 Hugging Face 공식 문서의 AutoModelForCausalLM이 지원하는 모델인지 확인.
-           (https://huggingface.co/docs/transformers/en/model_doc/auto#transformers.AutoModelForCausalLM.from_pretrained)
-
-2. 토크나이저 호환성
-   - `AutoTokenizer`와 호환되는 토크나이저를 지원하며, 모델과 동일한 경로에서 자동으로 로드됩니다.
-
-3. 커스터마이징 안내
-   - 본 템플릿은 범용적인 사용을 위해 작성되었습니다.
-   - 특정 모델의 동작 방식이나 예외 처리가 필요한 경우, 이 파일(`model.py`)과 설정 파일(`config.pbtxt`)을 직접 수정하여 사용하시기 바랍니다.
-"""
-
 import json
 import torch
 import numpy as np
@@ -35,76 +16,80 @@ from peft import PeftModel, PeftConfig
 class TritonPythonModel:
     def initialize(self, args: Dict[str, str]):
         """
-        모델 초기화: 설정 로드, 로거 설정, 모델 및 토크나이저 로드
+        모델 초기화: 라이브러리 버전 확인 및 모델/토크나이저 로드
         """
         self.logger = pb_utils.Logger
         self.model_config = json.loads(args["model_config"])
         self.model_name = args["model_name"]
 
+        # 1. 라이브러리 버전 로그 추가
+        # GGUF 로드를 위해서는 최소 4.40.0 이상을 권장합니다.
+        transformers_version = transformers.__version__
+        self.logger.log_info(f"================ {self.model_name} Setup ================")
+        self.logger.log_info(f"Transformers Version: {transformers_version}")
+        self.logger.log_info(f"Torch Version: {torch.__version__}")
+
         # 설정 파라미터 로드
         self.base_model_path = self._get_config_param("base_model_path")
-        self.is_adapter_model = self._get_config_param("is_adapter_model", "false").lower() == "true"
+        self.gguf_filename = self._get_config_param("gguf_filename")
-        self.adapter_model_path = self._get_config_param("adapter_model_path")
-        self.quantization = self._get_config_param("quantization")
         self.device = "cuda" if torch.cuda.is_available() else "cpu"
 
-        # 설정 로그 출력
+        self.logger.log_info(f"Base Model Path: {self.base_model_path}")
-        self.logger.log_info(f"================ {self.model_name} Setup ================")
+        self.logger.log_info(f"GGUF Filename: {self.gguf_filename}")
-        self.logger.log_info(f"Base Model: {self.base_model_path}")
-        self.logger.log_info(f"Adapter Mode: {self.is_adapter_model} ({self.adapter_model_path})")
-        self.logger.log_info(f"Quantization: {self.quantization}")
         self.logger.log_info(f"Device: {self.device}")
 
+        # 2. 모델 및 토크나이저 로드 실행
         self._load_model_and_tokenizer()
         self.logger.log_info(f"Model initialized successfully.")
 
     def _load_model_and_tokenizer(self):
-        """모델과 토크나이저를 로드하고 설정합니다."""
+        """
-        # 1. Quantization 설정
+        config.pbtxt의 파라미터를 사용하여 GGUF 모델을 로드합니다.
-        bnb_config = self._get_bnb_config()
+        Transformers 라이브러리가 GGUF를 읽어 fp16으로 역양자화합니다.
+        """
+        # 1. config.pbtxt에서 설정값 읽기
+        load_path = self.base_model_path  # /cheetah/input/model/groupuser/Qwen3-4B-Instruct-2507-mahjong-alpha
+        gguf_file = self._get_config_param("gguf_filename") # Qwen3-4B-Instruct-2507-mahjong-alpha.gguf
 
-        # 2. Base Model 로드
+        self.logger.log_info(f"Loading GGUF from: {load_path}/{gguf_file}")
-        load_path = self.base_model_path
-        if self.is_adapter_model:
-            peft_config = PeftConfig.from_pretrained(self.adapter_model_path)
-            load_path = peft_config.base_model_name_or_path
 
         try:
+            # 2. Tokenizer 로드 (GGUF 파일 내의 토크나이저 메타데이터 참조)
+            self.tokenizer = AutoTokenizer.from_pretrained(
+                load_path, 
+                gguf_file=gguf_file,
+                trust_remote_code=True
+            )
+
+            # 3. Model 로드 (GGUF -> PyTorch fp16 변환)
+            # 주의: GGUF 로드 시 bnb_config(int4/8)와 중복 사용은 불가능할 수 있습니다.
             self.model = AutoModelForCausalLM.from_pretrained(
                 load_path,
-                torch_dtype="auto",
+                gguf_file=gguf_file,
-                quantization_config=bnb_config,
+                torch_dtype=torch.float16,
                 device_map="auto",
                 local_files_only=True,
                 trust_remote_code=True
             )
+            
+            self.model.eval()
+
+            # 패딩 토큰 설정
+            if self.tokenizer.pad_token is None:
+                self.tokenizer.pad_token = self.tokenizer.eos_token
+                self.tokenizer.pad_token_id = self.tokenizer.eos_token_id
+
+            self.supports_chat_template = (
+                hasattr(self.tokenizer, "chat_template") and
+                self.tokenizer.chat_template is not None
+            )
+
+            self.logger.log_info("GGUF Model and Tokenizer loaded successfully via Transformers.")
+
         except Exception as e:
-            self.logger.log_error(f"Failed to load base model: {e}")
+            self.logger.log_error(f"Failed to load GGUF model: {e}")
             raise e
 
-        # 3. Adapter 병합 (필요 시)
-        if self.is_adapter_model:
-            self.model = PeftModel.from_pretrained(self.model, self.adapter_model_path)
-
-        self.model.eval()
-
-        # 4. Tokenizer 로드
-        self.tokenizer = AutoTokenizer.from_pretrained(load_path, trust_remote_code=True)
-
-        if self.tokenizer.pad_token is None:
-            self.tokenizer.pad_token = self.tokenizer.eos_token
-            self.tokenizer.pad_token_id = self.tokenizer.eos_token_id
-            self.logger.log_info("Pad token was None. Set to EOS token.")
-
-        self.supports_chat_template = (
-            hasattr(self.tokenizer, "chat_template") and
-            self.tokenizer.chat_template is not None
-        )
-
-        self.logger.log_info(f"Supports Chat Template: {self.supports_chat_template}")
-        if self.supports_chat_template:
-            self.logger.log_info(f"Chat Template Content:\n{self.tokenizer.chat_template}")
-
     def _get_bnb_config(self) -> Union[BitsAndBytesConfig, None]:
         if self.quantization == "int4":
             return BitsAndBytesConfig(
@@ -253,3 +238,4 @@ class TritonPythonModel:
         self.model = None
         self.tokenizer = None
         torch.cuda.empty_cache()
+