LLM Inference API를 사용하면 Android 애플리케이션용으로 대규모 언어 모델 (LLM)을 기기 내에서 실행할 수 있으므로 텍스트 생성, 자연어 형식으로 정보 검색, 문서 요약 등 다양한 작업을 수행할 수 있습니다. 이 작업은 여러 텍스트 간 대규모 언어 모델을 기본적으로 지원하므로 최신 온디바이스 생성형 AI 모델을 Android 앱에 적용할 수 있습니다.
이 작업은 Gemini 모델을 만드는 데 사용된 것과 동일한 연구 및 기술로 빌드된 경량형 최첨단 개방형 모델 제품군의 일부인 Gemma 2B를 지원합니다. 또한 AI Edge를 통해 내보낸 모든 모델은 Phi-2, Falcon-RW-1B, StableLM-3B와 같은 외부 모델을 지원합니다.
이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.
코드 예시
이 가이드에서는 Android용 기본 텍스트 생성 앱의 예를 설명합니다. 이 앱을 자체 Android 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참고할 수 있습니다. 예시 코드는 GitHub에 호스팅됩니다.
코드 다운로드
다음 안내에서는 git 명령줄 도구를 사용하여 예시 코드의 로컬 사본을 만드는 방법을 보여줍니다.
예시 코드를 다운로드하려면 다음 단계를 따르세요.
- 다음 명령어를 사용하여 git 저장소를 클론합니다.
git clone https://github.com/google-ai-edge/mediapipe-samples
- 필요한 경우 LLM Inference API 예시 앱의 파일만 표시되도록 희소 결제를 사용하도록 git 인스턴스를 구성합니다.
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/llm_inference/android
예시 코드의 로컬 버전을 만든 후 프로젝트를 Android 스튜디오로 가져와서 앱을 실행할 수 있습니다. 자세한 내용은 Android 설정 가이드를 참고하세요.
설정
이 섹션에서는 특히 LLM Inference API를 사용하도록 개발 환경과 코드 프로젝트를 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Android 설정 가이드를 참고하세요.
종속 항목
LLM Inference API는 com.google.mediapipe:tasks-genai 라이브러리를 사용합니다. Android 앱의 build.gradle 파일에 이 종속 항목을 추가합니다.
dependencies {
implementation 'com.google.mediapipe:tasks-genai:0.10.14'
}
모델
MediaPipe LLM Inference API에는 이 작업과 호환되는 학습된 텍스트 간 언어 모델이 필요합니다. 모델을 다운로드한 후 필요한 종속 항목을 설치하고 모델을 Android 기기로 푸시합니다. Gemma 이외의 모델을 사용하는 경우 모델을 MediaPipe와 호환되는 형식으로 변환해야 합니다.
LLM Inference API에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.
모델 다운로드
LLM Inference API를 초기화하기 전에 지원되는 모델 중 하나를 다운로드하고 프로젝트 디렉터리에 파일을 저장합니다.
- Gemma 2B: Gemini 모델을 만드는 데 사용된 것과 동일한 연구 및 기술로 빌드된 경량의 최첨단 개방형 모델 제품군 중 하나입니다. 질의 응답, 요약, 추론 등 다양한 텍스트 생성 작업에 적합합니다.
- Phi-2: 27억 개의 매개변수 Transformer 모델로, 질문-답변, 채팅, 코드 형식에 가장 적합합니다.
- Falcon-RW-1B: RefinedWeb의 3,500억 토큰으로 학습된 10억 개의 매개변수 인과적 디코더 전용 모델입니다.
- StableLM-3B: 다양한 영어 및 코드 데이터 세트로 구성된 1조 개의 토큰으로 사전 학습된 30억 개의 매개변수 디코더 전용 언어 모델
또는 AI Edge Troch를 통해 매핑되고 내보낸 모델을 사용할 수 있습니다.
Kaggle 모델에서 제공되고 LLM Inference API와 이미 호환되는 형식으로 제공되는 Gemma 2B를 사용하는 것이 좋습니다. 다른 LLM을 사용하는 경우 MediaPipe에 적합한 형식으로 모델을 변환해야 합니다. Gemma 2B에 관한 자세한 내용은 Gemma 사이트를 참고하세요. 사용 가능한 다른 모델에 대한 자세한 내용은 모델 섹션 작업 개요를 참조하세요.
모델을 MediaPipe 형식으로 변환
네이티브 모델 변환
외부 LLM (Phi-2, Falcon 또는 StableLM) 또는 Kaggle 외 Gemma 버전을 사용하는 경우 변환 스크립트를 사용하여 모델을 MediaPipe와 호환되도록 형식을 지정하세요.
모델 변환 프로세스에는 MediaPipe PyPI 패키지가 필요합니다. 변환 스크립트는 0.10.11 이후의 모든 MediaPipe 패키지에서 사용할 수 있습니다.
다음을 사용하여 종속 항목을 설치하고 가져옵니다.
$ python3 -m pip install mediapipe
genai.converter 라이브러리를 사용하여 모델을 변환합니다.
import mediapipe as mp
from mediapipe.tasks.python.genai import converter
config = converter.ConversionConfig(
input_ckpt=INPUT_CKPT,
ckpt_format=CKPT_FORMAT,
model_type=MODEL_TYPE,
backend=BACKEND,
output_dir=OUTPUT_DIR,
combine_file_only=False,
vocab_model_file=VOCAB_MODEL_FILE,
output_tflite_file=OUTPUT_TFLITE_FILE,
)
converter.convert_checkpoint(config)
LoRA 모델을 변환하려면 ConversionConfig에서 기본 모델 옵션과 추가 LoRA 옵션을 지정해야 합니다. API는 GPU를 사용한 LoRA 추론만 지원하므로 백엔드를 'gpu'로 설정해야 합니다.
import mediapipe as mp
from mediapipe.tasks.python.genai import converter
config = converter.ConversionConfig(
# Other params related to base model
...
# Must use gpu backend for LoRA conversion
backend='gpu',
# LoRA related params
lora_ckpt=LORA_CKPT,
lora_rank=LORA_RANK,
lora_output_tflite_file=LORA_OUTPUT_TFLITE_FILE,
)
converter.convert_checkpoint(config)
변환기는 두 개의 TFLite 플랫버퍼 파일(기본 모델용, 다른 하나는 LoRA 모델용)을 출력합니다.
| 매개변수 | 설명 | 허용되는 값 |
|---|---|---|
input_ckpt |
model.safetensors 또는 pytorch.bin 파일의 경로입니다. 모델 안전 텐서 형식이 여러 파일(예: model-00001-of-00003.safetensors, model-00001-of-00003.safetensors)로 샤딩되는 경우가 있습니다. model*.safetensors와 같은 파일 패턴을 지정할 수 있습니다. |
PATH |
ckpt_format |
모델 파일 형식입니다. | {"safetensors", "pytorch"} |
model_type |
변환 중인 LLM입니다. | {'PHI_2', 'FALCON_RW_1B', 'STABLELM_4E1T_3B', 'GEMMA_2B'} |
backend |
모델을 실행하는 데 사용되는 프로세서 (대리자)입니다. | {"cpu", "gpu"} |
output_dir |
레이어당 가중치 파일을 호스팅하는 출력 디렉터리의 경로입니다. | PATH |
output_tflite_file |
출력 파일의 경로입니다. 예: 'model_cpu.bin' 또는 'model_gpu.bin' 이 파일은 LLM Inference API와만 호환되며 일반 `tflite` 파일로 사용할 수 없습니다. | PATH |
vocab_model_file |
tokenizer.json 및 tokenizer_config.json 파일이 저장되는 디렉터리 경로입니다. Gemma의 경우 단일 tokenizer.model 파일을 가리킵니다. |
PATH |
lora_ckpt |
LoRA 어댑터 가중치를 저장하는 Safetensors 파일의 LoRA ckpt 경로입니다. | PATH |
lora_rank |
LoRA ckpt의 순위를 나타내는 정수입니다. lora 가중치를 변환하는 데 필요합니다. 이 값이 제공되지 않으면 변환기는 LoRA 가중치가 없다고 가정합니다. 참고: GPU 백엔드만 LoRA를 지원합니다. | 정수 |
lora_output_tflite_file |
LoRA 가중치의 출력 tflite 파일 이름입니다. | PATH |
AI Edge 모델 변환
AI Edge를 통해 TFLite 모델에 매핑된 LLM을 사용하는 경우 번들 스크립트를 사용하여 작업 번들을 만드세요. 번들링 프로세스는 매핑된 모델을 추가 메타데이터 (예: Tokenizer 매개변수)가 포함됩니다.
모델 번들링 프로세스에는 MediaPipe PyPI 패키지가 필요합니다. 변환 스크립트는 0.10.14 이후의 모든 MediaPipe 패키지에서 사용할 수 있습니다.
다음을 사용하여 종속 항목을 설치하고 가져옵니다.
$ python3 -m pip install mediapipe
genai.bundler 라이브러리를 사용하여 모델을 번들로 묶습니다.
import mediapipe as mp
from mediapipe.tasks.python.genai import bundler
config = bundler.BundleConfig(
tflite_model=TFLITE_MODEL,
tokenizer_model=TOKENIZER_MODEL,
start_token=START_TOKEN,
stop_tokens=STOP_TOKENS,
output_filename=OUTPUT_FILENAME,
enable_bytes_to_unicode_mapping=ENABLE_BYTES_TO_UNICODE_MAPPING,
)
bundler.create_bundle(config)
| 매개변수 | 설명 | 허용되는 값 |
|---|---|---|
tflite_model |
AI Edge에서 내보낸 TFLite 모델의 경로입니다. | PATH |
tokenizer_model |
SentencePiece tokenizer 모델의 경로입니다. | PATH |
start_token |
모델별 시작 토큰입니다. 제공된 tokenizer 모델에 시작 토큰이 있어야 합니다. | 문자열 |
stop_tokens |
모델별 중지 토큰 제공된 tokenizer 모델에 중지 토큰이 있어야 합니다. | 목록[STRING] |
output_filename |
출력 작업 번들 파일의 이름입니다. | PATH |
기기에 모델 푸시
output_path 폴더의 콘텐츠를 Android 기기로 푸시합니다.
$ adb shell rm -r /data/local/tmp/llm/ # Remove any previously loaded models
$ adb shell mkdir -p /data/local/tmp/llm/
$ adb push output_path /data/local/tmp/llm/model_version.bin
할 일 만들기
MediaPipe LLM Inference API는 createFromOptions() 함수를 사용하여 작업을 설정합니다. createFromOptions() 함수는 구성 옵션 값을 허용합니다. 구성 옵션에 관한 자세한 내용은 구성 옵션을 참고하세요.
다음 코드는 기본 구성 옵션을 사용하여 태스크를 초기화합니다.
// Set the configuration options for the LLM Inference task
val options = LlmInferenceOptions.builder()
.setModelPATH('/data/local/.../')
.setMaxTokens(1000)
.setTopK(40)
.setTemperature(0.8)
.setRandomSeed(101)
.build()
// Create an instance of the LLM Inference task
llmInference = LlmInference.createFromOptions(context, options)
구성 옵션
다음 구성 옵션을 사용하여 Android 앱을 설정합니다.
| 옵션 이름 | 설명 | 값 범위 | 기본값 |
|---|---|---|---|
modelPath |
프로젝트 디렉터리 내에서 모델이 저장되는 경로입니다. | PATH | 해당 사항 없음 |
maxTokens |
모델이 처리하는 토큰의 최대 개수 (입력 토큰 + 출력 토큰)입니다. | 정수 | 512 |
topK |
모델이 각 생성 단계에서 고려하는 토큰 수입니다.
확률이 가장 높은 토큰 k개로 예측을 제한합니다. topK를 설정할 때는 randomSeed의 값도 설정해야 합니다. |
정수 | 40 |
temperature |
생성 중에 도입된 무작위성의 정도입니다. 온도가 높을수록 생성된 텍스트의 창의성이 높아지고, 온도가 낮을수록 예측 가능한 생성이 이루어집니다. temperature를 설정할 때는 randomSeed의 값도 설정해야 합니다. |
부동 소수점 수 | 0.8 |
randomSeed |
텍스트 생성 중에 사용되는 무작위 시드입니다. | 정수 | 0 |
loraPath |
기기에서 로컬로 LoRA 모델의 절대 경로입니다. 참고: GPU 모델과만 호환됩니다. | PATH | 해당 사항 없음 |
resultListener |
결과를 비동기식으로 수신하도록 결과 리스너를 설정합니다. 비동기 생성 메서드를 사용하는 경우에만 적용됩니다. | 해당 사항 없음 | 해당 사항 없음 |
errorListener |
선택적 오류 리스너를 설정합니다. | 해당 사항 없음 | 해당 사항 없음 |
데이터 준비
LLM Inference API는 다음 입력을 허용합니다.
- prompt (문자열): 질문 또는 프롬프트입니다.
val inputPrompt = "Compose an email to remind Brett of lunch plans at noon on Saturday."
작업 실행
generateResponse() 메서드를 사용하여 이전 섹션에서 제공된 입력 텍스트에 대한 텍스트 응답 (inputPrompt)을 생성합니다. 이렇게 하면 응답이 단일 생성됩니다.
val result = llmInference.generateResponse(inputPrompt)
logger.atInfo().log("result: $result")
응답을 스트리밍하려면 generateResponseAsync() 메서드를 사용합니다.
val options = LlmInference.LlmInferenceOptions.builder()
...
.setResultListener { partialResult, done ->
logger.atInfo().log("partial result: $partialResult")
}
.build()
llmInference.generateResponseAsync(inputPrompt)
결과 처리 및 표시
LLM Inference API는 생성된 응답 텍스트를 포함하는 LlmInferenceResult를 반환합니다.
Here's a draft you can use:
Subject: Lunch on Saturday Reminder
Hi Brett,
Just a quick reminder about our lunch plans this Saturday at noon.
Let me know if that still works for you.
Looking forward to it!
Best,
[Your Name]
LoRA 모델 맞춤설정
대규모 언어 모델에 대해 LoRA (Low-Rank Adaptation)를 지원하도록 Mediapipe LLM 추론 API를 구성할 수 있습니다. 미세 조정된 LoRA 모델을 활용하면 개발자가 비용 효율적인 학습 프로세스를 통해 LLM의 동작을 맞춤설정할 수 있습니다.
LLM Inference API의 LoRA 지원은 GPU 백엔드의 Gemma-2B 및 Phi-2 모델에서 작동하며 LoRA 가중치는 어텐션 레이어에만 적용됩니다. 이 초기 구현은 향후 개발을 위한 실험용 API 역할을 하며 향후 업데이트에서 더 많은 모델과 다양한 유형의 레이어를 지원할 계획입니다.
LoRA 모델 준비
HugggingFace의 안내에 따라 지원되는 모델 유형(Gemma-2B 또는 Phi-2)을 사용하여 자체 데이터 세트에서 미세 조정된 LoRA 모델을 학습시킵니다. Gemma-2B 및 Phi-2 모델은 모두 HuggingFace에서 safetensors 형식으로 제공됩니다. LLM Inference API는 어텐션 레이어에서만 LoRA를 지원하므로 다음과 같이 LoraConfig를 만드는 동안 어텐션 레이어만 지정합니다.
# For Gemma-2B
from peft import LoraConfig
config = LoraConfig(
r=LORA_RANK,
target_modules=["q_proj", "v_proj", "k_proj", "o_proj"],
)
# For Phi-2
config = LoraConfig(
r=LORA_RANK,
target_modules=["q_proj", "v_proj", "k_proj", "dense"],
)
테스트를 위해 HuggingFace에서 사용할 수 있는 LLM 추론 API에 맞게 미세 조정된 LoRA 모델을 공개적으로 액세스할 수 있습니다. 예를 들어 Gemma-2B의 경우 monsterapi/gemma-2b-lora-maths-orca-200k이고 Phi-2의 경우 lole25/phi-2-sft-ultrachat-lora입니다.
준비된 데이터 세트를 학습하고 모델을 저장한 후에는 미세 조정된 LoRA 모델 가중치가 포함된 adapter_model.safetensors 파일을 얻게 됩니다. safetensors 파일은 모델 변환에 사용되는 LoRA 체크포인트입니다.
다음 단계로 MediaPipe Python 패키지를 사용하여 모델 가중치를 TensorFlow Lite Flatbuffer로 변환해야 합니다. ConversionConfig는 기본 모델 옵션과 추가 LoRA 옵션을 지정해야 합니다. API는 GPU를 사용한 LoRA 추론만 지원하므로 백엔드를 'gpu'로 설정해야 합니다.
import mediapipe as mp
from mediapipe.tasks.python.genai import converter
config = converter.ConversionConfig(
# Other params related to base model
...
# Must use gpu backend for LoRA conversion
backend='gpu',
# LoRA related params
lora_ckpt=LORA_CKPT,
lora_rank=LORA_RANK,
lora_output_tflite_file=LORA_OUTPUT_TFLITE_FILE,
)
converter.convert_checkpoint(config)
변환기는 두 개의 TFLite 플랫버퍼 파일(기본 모델용, 다른 하나는 LoRA 모델용)을 출력합니다.
LoRA 모델 추론
LoRA 모델 추론을 지원하도록 웹, Android, iOS LLM Inference API가 업데이트되었습니다. 웹은 런타임 중에 다양한 LoRA 모델을 전환할 수 있는 동적 LoRA를 지원합니다. Android 및 iOS는 정적 LoRA를 지원합니다. 정적 LoRA는 작업 수명 동안 동일한 LoRA 가중치를 사용합니다.
Android는 초기화 중에 정적 LoRA를 지원합니다. LoRA 모델을 로드하려면 LoRA 모델 경로와 기본 LLM을 지정해야 합니다.// Set the configuration options for the LLM Inference task
val options = LlmInferenceOptions.builder()
.setModelPath('<path to base model>')
.setMaxTokens(1000)
.setTopK(40)
.setTemperature(0.8)
.setRandomSeed(101)
.setLoraPath('<path to LoRA model>')
.build()
// Create an instance of the LLM Inference task
llmInference = LlmInference.createFromOptions(context, options)
LoRA로 LLM 추론을 실행하려면 기본 모델과 동일한 generateResponse() 또는 generateResponseAsync() 메서드를 사용합니다.