예제: 컨테이너 모델 어댑터 구현

다음은 컨테이너 기반 모델에 대해 정의된 예제 모델 어댑터입니다. 사용된 이미지는 간단한 플라스크 서버로 /mirror 엔드포인트에서 수신하며, 요청 오브젝트의 "text"를 유일한 필드로 받습니다. 모델 어댑터는 응답 오브젝트의 "returnedText" 필드에 그 텍스트를 그대로 반환합니다.

container_context 오브젝트의 전체 정의는 API: ModelAdapter 관련 문서에서 확인할 수 있습니다.

Copied!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
import requests
import json
import pandas as pd

import palantir_models as pm


class ExampleIdentityFunctionModelAdapter(pm.ContainerModelAdapter):
    """
        :display-name: 예제 동일 함수 모델 어댑터
        :description: 컨테이너 기반 모델용 모델 어댑터 참조 예제
    """
    def __init__(self, shared_volume_path, model_host_and_port):
        self.shared_volume_path = shared_volume_path
        self.model_host_and_port = model_host_and_port

    @classmethod
    def init_container(cls, container_context):
        shared_volume_path = container_context.shared_empty_dir_mount_path
        # 이 어댑터는 하나의 컨테이너 이름과 하나의 제공된 서비스 URI만 기대합니다.
        model_host_and_port = list(container_context.services.values())[0][0]
        return cls(shared_volume_path, model_host_and_port)

    @classmethod
    def api(cls):
        inputs = {"input_df": pm.Pandas(columns=[("text", str)])}
        outputs = {"output_df": pm.Pandas(columns=[("text", str), ("returnedText", str)])}
        return inputs, outputs

    def predict(self, input_df):
        def run_inference_on_row(row):
            request = {"text": row.text}
            # 모델에게 요청을 전달하고 응답을 받습니다.
            response = requests.post("http://" + self.model_host_and_port + "/mirror", json=request)
            json_res = json.loads(response.content.decode("utf-8"))
            return (row.text, json_res["returnedText"])

        results = [run_inference_on_row(row) for row in input_df.itertuples()]
        columns = ["text", "returnedText"]
        return pd.DataFrame(results, columns=columns)