Hugging Faceを使いこなして ローカルLLMを推論する

Transcript

1. Hugging Faceを使いこなして ローカルLLMを推論する 戸塚 翔太
2. 自己紹介 - 戸塚翔太（Blueish） - Go, Rust, Python - 生成AI, 機械学習 - 松尾研GENIAC開発メンバーとして参加 - 静岡県（浜松）に住んでます - 近くの方がいれば、一緒に勉強会しましょう - X: @totsumaru_dot
3. Agenda 1. 概要（背景、目的など） 2. Hugging Faceの全体像 3. Hugging Face環境で推論する 4. Google Colabで推論する 5. 手元のPCで推論する
4. 背景 - 毎日のように新しいモデルが出てきている - GPT-3.5は超えていて、GPT-4と勝負できるレベル - APIしか使えないと、結局みんな同じようなアイデアになる - 最近ローカルLLMがアツいらしい - https://soysoftware.sakura.ne.jp/archives/3903
5. API使えば良くない？ - APIで済むサービスであれば、APIを使った方が効率がいいことが多い - そもそもGPTやClaudeはAPIしか公開されていない - エンジニアたるもの、仕組みと使い方くらいは知っておこうぜ - ローカルLLMはAPIの制約を受けず、モデルも豊富 - 緊急ではないが重要なこと？
6. ローカルLLMとは？ （解釈の幅はありますが...ここでの定義） - 手元で動かすことができるモデル - オープンに（重みが）公開されているモデル - OpenAIのGPT3,4やAnthropicのClaudeは入らない
7. ローカルLLMのハードル - 気軽に試せない - 手元のPCのスペックが足りない
8. 伝えたいこと - 推論するだけなら難しくないよ！ - もっと気軽に実行できる環境もあるよ！
9. 今日の目標 - Hugging Faceの全体像を理解する - 自分でローカルLLMを推論できるようになる - ローカルLLMを使ったアプリケーションを公開する - （本番用は想定していない。検証用など）
10. Agenda 1. 概要（背景、目的など） 2. Hugging Faceの全体像 3. Hugging Face環境で推論する 4. Google Colabで推論する 5. 手元のPCで推論する
11. 2. Hugging Faceの全体像 - Hugging Face Hub - Transformers - Diffusers - Datasets - Tokenizers - Accelerate - …etc - とにかく機能が多い Hugging Face documentations
12. 2. Hugging Faceの全体像 【Hub】 - Models - Datasets - Spaces - Repositories ＊モデルカード(README)を確認してください 【Libraries】 - Transformers - Datasets - Tokenizers
13. Agenda 1. 概要（背景、目的など） 2. Hugging Faceの全体像 3. Hugging Face環境で推論する (メイン) 4. Google Colabで推論する 5. 手元のPCで推論する
14. 3. Hugging Face環境で推論する Google Colabや手元のPCでなく、Hugging Faceの環境でLLMを動かせる。 # やり方は2通り - Spacesを使用する - Inference API（推論API）を使用する # 注意 - 無料枠には制限がある - そもそも使えないモデルもある↑ $9でNvidia A100 40GB vRAMが使えるようになった！ → ZeroGPU Spaces To get full optimization To run private models To get access to GPU inference
15. 3. Hugging Face環境で推論する ① Spacesを使用する - Gradioなどを簡単にホスティングできる（git push） - Streamlit,Dockerも対応 画像がHot Dogかどうかを判定
16. 3. Hugging Face環境で推論する ① Spacesを使用する - 各モデルの「Deploy」からも簡単にデプロイできる - コードを書かずにボタンを押すだけで、テンプレートコードがデプロイできる
17. 3. Hugging Face環境で推論する ② Inference API（推論API）を使用する - モデル名, Tokenを用意して、cURLで推論できる - モデルサイズが大きいものはエラーが出る - Proプラン($9.00/month)加入で制限が大きく緩和 { "error": "The model meta-llama/Meta-Llama-3-8B is too large to be loaded automatically (16GB > 10GB). Please use Spaces (https://huggingface.co/spaces) or Inference Endpoints (https://huggingface.co/inference-endpoints)." } Hubの各モデルにもある
18. Agenda 1. 概要（背景、目的など） 2. Hugging Faceの全体像 3. Hugging Face環境で推論する 4. Google Colabで推論する 5. 手元のPCで推論する
19. 4. Google Colabで推論する - Transformers - まずはpipelineを使う - Datasets - Tokenizers たったこれだけのコードで推論ができる
20. Agenda 1. 概要（背景、目的など） 2. Hugging Faceの全体像 3. Hugging Face環境で推論する 4. Google Colabで推論する 5. 手元のPCで推論する
21. 5. 手元のPCで推論する （もちろんGoogle Colabと同じコードは実行できますが、ここではツールの紹介のみ） - Llama.cpp - Ollama - LM Studio # UI - Enchanted - Open WebUI - Text Generation WebUI
22. 最後に - 無料枠には制限がある（割と動かないモデルも多い） - Google Colabをおすすめ - Spacesを使ってまずは公開してみよう - モデルカードをよく確認しよう - 公開する場合は、ライセンスに注意しよう
23. 終わり