delete files

1/model.py

@@ -1,58 +0,0 @@
-import triton_python_backend_utils as pb_utils
-import numpy as np
-import random
-import string
-import json
-
-class TritonPythonModel:
-    """
-    Triton Python Model 클래스.
-    """
-
-def initialize(self, args):
-    print("TritonPythonModel: initialize() called.")
-    self.model_config = json.loads(args['model_config'])
-    
-    # 출력 설정에서 데이터 타입 정보를 가져옴
-    output_config = pb_utils.get_output_config_by_name(
-        self.model_config, "OUTPUT")
-    
-    # Triton 데이터 타입 문자열을 NumPy 데이터 타입으로 직접 변환
-    # 'BYTES'는 np.object_ 타입에 해당함
-    if output_config['data_type'] == 'TYPE_STRING':
-        self.output_dtype = np.object_
-    else:
-        # 다른 데이터 타입에 대한 처리 로직 추가 가능
-        self.output_dtype = pb_utils.triton_string_to_np_dtype(output_config['data_type'])
-
-    def execute(self, requests):
-        """
-        클라이언트의 요청이 들어올 때마다 호출됩니다.
-        """
-        responses = []
-
-        for request in requests:
-            # 입력 데이터 가져오기 (이 예제에서는 입력 데이터를 사용하지 않음)
-            in_0 = pb_utils.get_input_tensor_by_name(request, "INPUT")
-            
-            # 무작위 문자열 생성
-            random_string = ''.join(random.choice(string.ascii_letters + string.digits) for _ in range(16))
-            
-            # numpy 배열로 변환
-            output_array = np.array([[random_string.encode('utf-8')]], dtype=self.output_dtype)
-            
-            # 출력 텐서 생성
-            out_tensor = pb_utils.Tensor("OUTPUT", output_array)
-            
-            # 추론 응답 생성
-            inference_response = pb_utils.InferenceResponse(
-                output_tensors=[out_tensor])
-            responses.append(inference_response)
-
-        return responses
-
-    def finalize(self):
-        """
-        모델이 언로드될 때 호출됩니다.
-        """
-        print("TritonPythonModel: finalize() called.")

config.pbtxt

@@ -1,36 +0,0 @@
-# Triton backend to use
-name: "triton-python-backend-model"
-backend: "python"
-max_batch_size: 0
-
-input [
-  {
-    name: "INPUT"
-    data_type: TYPE_STRING
-    dims: [ 1 ]
-  }
-]
-
-output [
-  {
-    name: "OUTPUT"
-    data_type: TYPE_STRING
-    dims: [ 1 ]
-  }
-]
-
-
-parameters: [
-  {
-    key: "model_path",
-    value: {string_value: "/cheetah/input/model/groupuser/triton-python-backend-model"}
-  }
-]
-
-
-instance_group [
-  {
-    kind: KIND_AUTO
-    count: 1
-  }
-]