[fix] temperature 파라미터 추가

app/llm_server/service.py

@@ -4,30 +4,62 @@
 from dotenv import load_dotenv
 
 load_dotenv()
+# Bentoml 서버 로깅 설정
+bentoml_logger = logging.getLogger("bentoml")
+bentoml_logger.setLevel(logging.INFO)
 
 
 # Define the BentoML Service
 @bentoml.service
 class LlmService:
     def __init__(self):
-        # Load the tokenizer and model
-        from transformers import AutoTokenizer, AutoModelForCausalLM
+        # API 서버에 가용 가능한 GPU를 설정
+        if torch.cuda.is_available():
+            self.device = torch.device("cuda")
+            bentoml_logger.info("Using CUDA for inference.")
+
+        elif torch.backends.mps.is_available():
+            self.device = torch.device("mps")
+            bentoml_logger.info("Using MPS (Apple Silicon) for inference.")
+        else:
+            # 사용 가능한 GPU가 없다면 cpu로 inference 대체
+            self.device = torch.device("cpu")
+            bentoml_logger.info("Using CPU for inference.")
 
+        # tokenizer/LLM 초기화
         self.tokenizer = AutoTokenizer.from_pretrained(os.getenv("LLM_MODEL"))
-        self.model = AutoModelForCausalLM.from_pretrained(os.getenv("LLM_MODEL"))
-        if torch.cuda.is_available():
-            self.model.to("cuda")
+        self.model = AutoModelForCausalLM.from_pretrained(os.getenv("LLM_MODEL")).to(
+            self.device
+        )
+        # LLM모델이 open-end generation하지 않도록 padding token ID를 end-of-sentence token ID와 같게 설정
+        self.model.generation_config.pad_token_id = (
+            self.model.generation_config.eos_token_id
+        )
+
+        bentoml_logger.info(f"""{os.getenv("LLM_MODEL")} loaded to {self.device}""")
 
     @bentoml.api()
-    def generate(self, prompt: str) -> str:
-        # Tokenize the input prompt
+    def generate(self, prompt: str, temperature: float) -> str:
+        """prompt를 입력받으면, __init__에서 설정한 tokenizer과 LLM 모델로 답변을 생성합니다
+
+        Args:
+            prompt (str): 사용자의 입력 prompt
+            temperature (float): LLM모델 답변의 무작위성 조정 파라미터 (0~1 사이)
+
+        Returns:
+            str: LLM으로 생성된 prompt에 대한 답변
+        """
         inputs = self.tokenizer(prompt, return_tensors="pt")
         if torch.cuda.is_available():
             inputs = {k: v.to("cuda") for k, v in inputs.items()}
 
         # Generate text
         with torch.no_grad():
-            outputs = self.model.generate(**inputs, max_new_tokens=os.getenv('MAX_TOKENS'))
+            outputs = self.model.generate(
+                **inputs,
+                temperature=temperature,
+                max_new_tokens=int(os.getenv("MAX_TOKENS")),
+            )
 
         # Decode the generated text
         generated_text = self.tokenizer.decode(outputs[0], skip_special_tokens=True)