I/O에서 발표된 Google AI Edge 관련 발표에 대해 자세히 알아보세요.

이 페이지는 Cloud Translation API를 통해 번역되었습니다.

iOS용 LLM 추론 가이드

LLM Inference API를 사용하면 iOS 애플리케이션용으로 대규모 언어 모델 (LLM)을 온디바이스에서 실행할 수 있으므로 텍스트 생성, 자연어 형식으로 정보 검색, 문서 요약과 같은 다양한 작업을 수행할 수 있습니다. 이 작업은 여러 텍스트 간 대규모 언어 모델을 기본적으로 지원하므로 최신 온디바이스 생성형 AI 모델을 iOS 앱에 적용할 수 있습니다.

MediaPipe Studio 데모에서 이 작업의 작동 방식을 확인할 수 있습니다. 이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 태스크 예시 코드는 iOS용 LLM Inference API 앱의 기본 구현입니다. 앱을 자체 iOS 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참조할 수 있습니다. LLM Inference API 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 보유하도록 스파스 결제를 사용하도록 git 인스턴스를 구성합니다.
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/llm_inference/ios/
```

예시 코드의 로컬 버전을 만든 후 MediaPipe 작업 라이브러리를 설치하고 Xcode를 사용하여 프로젝트를 열고 앱을 실행할 수 있습니다. 자세한 내용은 iOS 설정 가이드를 참조하세요.

설정

이 섹션에서는 LLM Inference API를 사용하도록 개발 환경과 코드 프로젝트를 설정하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 iOS 설정 가이드를 참고하세요.

종속 항목

LLM Inference API는 CocoaPods를 사용하여 설치해야 하는 MediaPipeTasksGenai 라이브러리를 사용합니다. 라이브러리는 Swift 및 Objective-C 앱과 호환되며 추가적인 언어별 설정이 필요하지 않습니다.

macOS에 CocoaPods를 설치하는 방법은 CocoaPods 설치 가이드를 참고하세요. 앱에 필요한 포드로 Podfile를 만드는 방법에 대한 안내는 CocoaPods 사용을 참조하세요.

다음 코드를 사용하여 Podfile에 MediaPipeTasksGenai 포드를 추가합니다.

target 'MyLlmInferenceApp' do
  use_frameworks!
  pod 'MediaPipeTasksGenAI'
  pod 'MediaPipeTasksGenAIC'
end

앱에 단위 테스트 타겟이 포함된 경우 Podfile 설정에 관한 자세한 내용은 iOS용 설정 가이드를 참고하세요.

모델

MediaPipe LLM Inference API 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. LLM Inference API에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델 다운로드

Xcode를 사용하여 모델을 다운로드하고 프로젝트 디렉터리에 추가합니다. Xcode 프로젝트에 파일을 추가하는 방법은 Xcode 프로젝트의 파일 및 폴더 관리를 참고하세요.

Gemma 2B 다운로드

iOS 앱을 빌드할 때는 다음 변형 중 하나를 사용합니다.

gemma-2b-it-cpu-int4: CPU와 호환되는 Gemma 4비트 모델입니다.
gemma-2b-it-gpu-int4: GPU와 호환되는 Gemma 4비트 모델.
iOS 메모리 요구사항을 준수하는 AI Edge Torch 매핑된 모델입니다.

다른 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

할 일 만들기

이니셜라이저 중 하나를 호출하여 LLM Inference API 작업을 만들 수 있습니다. LlmInference(options:) 이니셜라이저는 구성 옵션의 값을 설정합니다.

맞춤설정된 구성 옵션으로 초기화된 LLM Inference API가 필요하지 않은 경우 LlmInference(modelPath:) 이니셜라이저를 사용하여 기본 옵션으로 LLM Inference API를 만들 수 있습니다. 구성 옵션에 대한 자세한 내용은 구성 개요를 참고하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

import MediaPipeTasksGenai

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "bin")

let options = LlmInferenceOptions()
options.baseOptions.modelPath = modelPath
options.maxTokens = 1000
options.topk = 40
options.temperature = 0.8
options.randomSeed = 101

let LlmInference = try LlmInference(options: options)

구성 옵션

이 작업에는 다음과 같은 iOS 앱 구성 옵션이 있습니다.

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. `topk`를 설정할 때는 `randomSeed`의 값도 설정해야 합니다.	정수	40
`temperature`	생성 중에 도입된 무작위성의 정도입니다. 온도가 높을수록 생성된 텍스트의 창의성이 높아지고, 온도가 낮을수록 예측 가능한 생성이 이루어집니다. `temperature`를 설정할 때는 `randomSeed`의 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

데이터 준비

LLM Inference API는 텍스트 데이터를 처리합니다. 이 태스크는 토큰화와 텐서 전처리를 포함하여 데이터 입력 사전 처리를 처리합니다.

모든 전처리는 generateResponse(inputText:) 함수 내에서 처리됩니다. 사전에 입력 텍스트를 추가로 사전 처리할 필요는 없습니다.

let inputPrompt = "Compose an email to remind Brett of lunch plans at noon on Saturday."

작업 실행

LLM Inference API를 실행하려면 generateResponse(inputText:) 메서드를 사용합니다. LLM Inference API는 입력 텍스트에 가능한 카테고리를 반환합니다.

let result = try LlmInference.generateResponse(inputText: inputPrompt)

응답을 스트리밍하려면 generateResponseAsync(inputText:) 메서드를 사용합니다.

let resultStream =  LlmInference.generateResponseAsync(inputText: inputPrompt)

do {
  for try await partialResult in resultStream {
    print("\(partialResult)")
  }
  print("Done")
}
catch {
  print("Response error: '\(error)")
}

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.

iOS는 초기화 중에 정적 LoRA를 지원합니다. LoRA 모델을 로드하려면 LoRA 모델 경로와 기본 LLM을 지정해야 합니다.

import MediaPipeTasksGenai

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "bin")
let loraPath= Bundle.main.path(forResource: "lora_model",
                                      ofType: "bin")
let options = LlmInferenceOptions()
options.modelPath = modelPath
options.maxTokens = 1000
options.topk = 40
options.temperature = 0.8
options.randomSeed = 101
options.loraPath = loraPath

let LlmInference = try LlmInference(options: options)

LoRA로 LLM 추론을 실행하려면 기본 모델과 동일한 generateResponse() 또는 generateResponseAsync() 메서드를 사용합니다.