219 lines
10 KiB
Python
219 lines
10 KiB
Python
import torch
|
|
import numpy as np
|
|
import json
|
|
import triton_python_backend_utils as pb_utils
|
|
# AutoModelForCausalLM 대신 AutoModel을 가져옵니다.
|
|
from transformers import AutoModel, AutoTokenizer, GenerationConfig
|
|
from peft import PeftModel, PeftConfig
|
|
|
|
# BitsAndBytesConfig가 import 되지 않아 임시로 주석 처리하거나, 필요하다면 설치 후 주석 해제해야 합니다.
|
|
# from bitsandbytes import BitsAndBytesConfig
|
|
|
|
class TritonPythonModel:
|
|
def initialize(self, args):
|
|
"""
|
|
모델이 로드될 때 딱 한 번만 호출됩니다.
|
|
"""
|
|
self.logger = pb_utils.Logger
|
|
|
|
self.model_config = json.loads(args["model_config"])
|
|
|
|
self.model_name = args["model_name"]
|
|
self.base_model_path = self._get_config_parameter("base_model_path")
|
|
|
|
# CodeSage는 임베딩 모델이므로 LoRA 등의 어댑터 로드는 지원하지 않거나 일반적이지 않습니다.
|
|
# 기존 로직은 유지하되, 실제로 사용하지 않을 경우 config.pbtxt에서 해당 파라미터를 제거하는 것이 좋습니다.
|
|
self.is_adapter_model = self._get_config_parameter("is_adapter_model").strip().lower() == "true"
|
|
self.adapter_model_path = self._get_config_parameter("adapter_model_path")
|
|
self.quantization = self._get_config_parameter("quantization")
|
|
|
|
self.logger.log_info(f"base_model_path: {self.base_model_path}")
|
|
self.logger.log_info(f"is_adapter_model: {self.is_adapter_model}")
|
|
self.logger.log_info(f"adapter_model_path: {self.adapter_model_path}")
|
|
self.logger.log_info(f"quantization: {self.quantization}")
|
|
|
|
self.load_model()
|
|
|
|
def load_model(self):
|
|
"""
|
|
Load model: CodeSage에 맞게 AutoModel과 trust_remote_code=True를 사용하도록 수정
|
|
"""
|
|
self.bnb_config = None
|
|
torch_dtype = torch.float16 # 기본 dtype
|
|
|
|
# Note: CodeSage는 AutoModel을 사용하며, 일반적인 CausalLM 양자화 옵션이 적용되는지
|
|
# 확인이 필요하지만, 일단 기존 로직은 유지합니다.
|
|
|
|
# BitsAndBytesConfig가 정의되지 않았으므로 주석 처리합니다.
|
|
# if self.quantization == "int4":
|
|
# # ... (int4 config)
|
|
# pass
|
|
# elif self.quantization == "int8":
|
|
# # ... (int8 config)
|
|
# pass
|
|
# else:
|
|
# self.bnb_config = None
|
|
|
|
if self.is_adapter_model:
|
|
# CodeSage는 임베딩 모델이므로 어댑터 사용은 일반적이지 않으나,
|
|
# 기존 템플릿 로직은 유지합니다.
|
|
peft_config = PeftConfig.from_pretrained(self.adapter_model_path)
|
|
self.base_model_path = peft_config.base_model_name_or_path
|
|
|
|
# base 모델 로드: AutoModel로 변경
|
|
base_model = AutoModel.from_pretrained(
|
|
peft_config.base_model_name_or_path,
|
|
torch_dtype=torch.float16,
|
|
quantization_config=self.bnb_config if self.bnb_config else None,
|
|
device_map="auto",
|
|
trust_remote_code=True # 필수 옵션 추가
|
|
)
|
|
|
|
# adapter 모델 로드
|
|
self.model = PeftModel.from_pretrained(base_model, self.adapter_model_path)
|
|
else:
|
|
# 일반 모델인 경우 로드: AutoModel로 변경
|
|
self.model = AutoModel.from_pretrained(
|
|
pretrained_model_name_or_path=self.base_model_path,
|
|
# local_files_only=True, # CodeSage는 허브에서 로드될 수 있으므로 주석 처리
|
|
quantization_config=self.bnb_config if self.bnb_config else None,
|
|
device_map="auto",
|
|
trust_remote_code=True # 필수 옵션 추가
|
|
)
|
|
|
|
# 모델을 평가 모드로 설정
|
|
self.model.eval()
|
|
|
|
# Tokenizer 로드: trust_remote_code=True와 add_eos_token=True 추가
|
|
self.tokenizer = AutoTokenizer.from_pretrained(
|
|
self.base_model_path,
|
|
trust_remote_code=True,
|
|
add_eos_token=True # 필수 옵션 추가
|
|
)
|
|
# 임베딩 모델이므로 pad_token_id 설정은 불필요하거나, 주의가 필요함. 일단 주석 처리
|
|
# self.tokenizer.pad_token_id = self.tokenizer.eos_token_id
|
|
|
|
# 임베딩 모델에서는 Chat Template 지원 체크는 불필요하므로 제거
|
|
# self.supports_chat_template = self._check_chat_template_support()
|
|
self.supports_chat_template = False # 항상 False로 설정
|
|
|
|
self.logger.log_info(f"'{self.model_name}' 모델 초기화 완료 (Code Embedding Mode)")
|
|
|
|
def execute(self, requests):
|
|
"""
|
|
Triton이 각 추론 요청에 대해 호출하는 실행 함수입니다.
|
|
Generation 대신 Embedding 생성을 수행하도록 수정합니다.
|
|
"""
|
|
responses = []
|
|
|
|
# 각 추론 요청을 순회하며 처리합니다.
|
|
for request in requests:
|
|
# Triton 입력 파싱: 텍스트 입력만 처리합니다.
|
|
input_text = self._get_input_value(request, "text_input")
|
|
|
|
# CodeSage는 대화 형식이 아닌 일반 텍스트 (코드)를 입력으로 받으므로
|
|
# JSON 파싱 로직과 Chat 템플릿 로직을 제거합니다.
|
|
text = input_text
|
|
self.logger.log_info(f"입력 text 출력:\n{text}")
|
|
|
|
# 입력 텍스트를 토큰화합니다.
|
|
# add_eos_token=True가 load_model에서 설정되었으므로 토큰화 시 자동으로 추가됩니다.
|
|
inputs = self.tokenizer(
|
|
text,
|
|
return_tensors="pt").to(device=self.model.device)
|
|
|
|
input_ids = inputs["input_ids"]
|
|
attention_mask = inputs["attention_mask"]
|
|
|
|
# # CodeSage는 텍스트 생성이 아닌 임베딩 생성을 수행합니다.
|
|
# gened = self.model.generate(...)
|
|
|
|
# **임베딩 생성**
|
|
# CodeSage 모델은 (임베딩, 히든 스테이트, 어텐션)을 반환하며, 첫 번째 요소가 임베딩입니다.
|
|
with torch.no_grad():
|
|
# inputs에는 input_ids와 attention_mask가 모두 포함되어 전달됩니다.
|
|
outputs = self.model(**inputs)
|
|
|
|
# outputs[0]에는 임베딩 벡터가 포함되어 있습니다.
|
|
# 임베딩은 일반적으로 첫 번째 토큰 (CLS 토큰 또는 문맥 임베딩)을 사용합니다.
|
|
# CodeSage의 경우, 모델 카드 예시를 보면 outputs[0] 전체를 사용합니다.
|
|
# 여기서는 [batch_size, sequence_length, hidden_size] 형태의 임베딩 중 첫 번째 토큰 임베딩을 사용합니다.
|
|
# 임베딩 사용법은 모델의 목적에 따라 달라질 수 있습니다. CodeSage는 주로 전체 시퀀스 임베딩을 사용합니다.
|
|
# 여기서는 예시와 같이 첫 번째 요소 (last_hidden_state)를 가져옵니다.
|
|
# 임베딩 크기: [1, seq_len, hidden_size]
|
|
embeddings = outputs[0]
|
|
|
|
# 임베딩을 NumPy 배열로 변환
|
|
# CPU로 옮기고, NumPy로 변환
|
|
embedding_np = embeddings.squeeze().cpu().numpy()
|
|
|
|
# 출력 텐서 생성 (데이터 타입은 float32 또는 float16이 적합)
|
|
# CodeSage는 단일 문장 입력만 처리하므로, 배치 차원 없이 [seq_len, hidden_size]로 가정합니다.
|
|
# 실제 사용 목적에 따라 풀링 로직을 추가하여 [hidden_size] 벡터로 만들 수도 있습니다.
|
|
output_tensor = pb_utils.Tensor("embedding_output", embedding_np.astype(np.float32))
|
|
|
|
self.logger.log_info(f"모델이 생성한 임베딩 Shape:\n{embedding_np.shape}")
|
|
|
|
# 응답 객체를 생성하고 출력 텐서를 추가합니다.
|
|
responses.append(pb_utils.InferenceResponse(output_tensors=[output_tensor]))
|
|
|
|
return responses
|
|
|
|
# 임베딩 모델에서는 불필요하므로 제거합니다.
|
|
# def _process_generation_config(self, request):
|
|
# """
|
|
# 추론 요청에서 생성 설정 관련 파라미터들을 추출하여 GenerationConfig 객체를 생성합니다.
|
|
# """
|
|
# # ... (기존 로직)
|
|
# pass
|
|
|
|
# 임베딩 모델에서는 불필요하므로 제거합니다.
|
|
# def _check_chat_template_support(self):
|
|
# """
|
|
# 주어진 허깅페이스 Transformer 모델이 Chat 템플릿을 지원하는지 확인하고 결과를 출력합니다.
|
|
# """
|
|
# # ... (기존 로직)
|
|
# pass
|
|
|
|
|
|
def _get_config_parameter(self, parameter_name):
|
|
"""
|
|
모델 설정(config.pbtxt)에서 특정 파라미터의 문자열 값을 가져옵니다.
|
|
"""
|
|
self.parameters = self.model_config.get('parameters', {})
|
|
parameter_dict = self.parameters.get(parameter_name)
|
|
|
|
if isinstance(parameter_dict, dict) and 'string_value' in parameter_dict:
|
|
return parameter_dict['string_value']
|
|
|
|
return None
|
|
|
|
def _get_input_value(self, request, input_name: str, default=None):
|
|
"""
|
|
Triton 추론 요청에서 특정 이름의 입력 텐서 값을 가져옵니다.
|
|
"""
|
|
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.
|
|
"""
|
|
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.
|
|
"""
|
|
pass |