OpenELM-270M_chat

Runtime error

App Files Files Community

OpenELM-270M_chat / app.py

JUNGU

Update app.py

2165e54 verified about 2 months ago

raw history blame contribute delete

No virus

4.04 kB

	import gradio as gr
	import torch
	from transformers import (
	AutoModelForCausalLM,
	AutoTokenizer,
	TextIteratorStreamer,
	LlamaTokenizer,
	)
	import os
	from threading import Thread
	import spaces
	import subprocess

	# flash-attn 라이브러리 설치. CUDA 빌드는 건너뜀.
	subprocess.run(
	"pip install flash-attn --no-build-isolation",
	env={"FLASH_ATTENTION_SKIP_CUDA_BUILD": "TRUE"},
	shell=True,
	)

	# Hugging Face 토큰 가져오기
	token = os.environ["HF_TOKEN"]

	# apple/OpenELM-270M 모델과 토크나이저 로드
	# 토크나이저가 오류나는 문제가 있어서 NousResearch/Llama-2-7b-hf를 씀
	# 한국어 모델 토크나이저로 바꿔봄 beomi/llama-2-ko-7b
	# apple/OpenELM-1.1B 토크나이저만 크게 해봄 <- 안됨
	# apple/OpenELM-270M-Instruct로 둘다 변경 해봄 <- 안됨
	model = AutoModelForCausalLM.from_pretrained(
	"apple/OpenELM-270M-Instruct",
	token=token,
	trust_remote_code=True,
	)
	tok = AutoTokenizer.from_pretrained(
	"NousResearch/Llama-2-7b-hf",
	token=token,
	trust_remote_code=True,
	tokenizer_class=LlamaTokenizer,
	)

	# 종료 토큰 ID 설정
	terminators = [
	tok.eos_token_id,
	]

	# GPU가 사용 가능한 경우 GPU로, 아니면 CPU로 모델 로드
	if torch.cuda.is_available():
	device = torch.device("cuda")
	print(f"Using GPU: {torch.cuda.get_device_name(device)}")
	else:
	device = torch.device("cpu")
	print("Using CPU")

	model = model.to(device)

	# Spaces의 GPU 자원을 사용하여 chat 함수 실행. 최대 60초 동안 GPU 자원 사용 가능.
	@spaces.GPU(duration=60)
	def chat(message, history, temperature, do_sample, max_tokens):
	# 채팅 기록을 적절한 형식으로 변환
	chat = []
	for item in history:
	chat.append({"role": "user", "content": item[0]})
	if item[1] is not None:
	chat.append({"role": "assistant", "content": item[1]})
	chat.append({"role": "user", "content": message})

	# 토크나이저를 사용하여 입력 처리
	messages = tok.apply_chat_template(chat, tokenize=False, add_generation_prompt=True)
	model_inputs = tok([messages], return_tensors="pt").to(device)

	# TextIteratorStreamer를 사용하여 모델 출력 스트리밍
	streamer = TextIteratorStreamer(
	tok, timeout=20.0, skip_prompt=True, skip_special_tokens=True
	)

	# 생성 관련 매개변수 설정
	generate_kwargs = dict(
	model_inputs,
	streamer=streamer,
	max_new_tokens=max_tokens, # 생성할 최대 새 토큰 수
	do_sample=True, # 샘플링 여부
	temperature=temperature, # 온도 매개변수. 높을수록 다양성 증가
	eos_token_id=terminators, # 종료 토큰 ID
	)

	# 온도가 0이면 샘플링하지 않음
	if temperature == 0:
	generate_kwargs["do_sample"] = False

	# 별도 스레드에서 모델 생성 시작
	t = Thread(target=model.generate, kwargs=generate_kwargs)
	t.start()

	# 생성된 텍스트를 반복적으로 yield
	partial_text = ""
	for new_text in streamer:
	partial_text += new_text
	yield partial_text

	yield partial_text

	# Gradio의 ChatInterface를 사용하여 대화형 인터페이스 생성
	demo = gr.ChatInterface(
	fn=chat,
	examples=[["let's talk about korea"]],
	additional_inputs_accordion=gr.Accordion(
	label="⚙️ Parameters", open=False, render=False
	),
	additional_inputs=[
	gr.Slider(
	minimum=0, maximum=1, step=0.1, value=0.7, label="Temperature", render=False
	),
	gr.Checkbox(label="Sampling", value=True),
	gr.Slider(
	minimum=128,
	maximum=4096,
	step=1,
	value=512,
	label="Max new tokens",
	render=False,
	),
	],
	stop_btn="Stop Generation",
	title="Chat With LLMs",
	description="Now Running [apple/OpenELM-270M](https://huggingface.co/apple/OpenELM-270M)",
	)

	# Gradio 인터페이스 실행
	demo.launch()