File size: 4,377 Bytes
bfefc44 99a3dfb bfefc44 99a3dfb bfefc44 |
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 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 |
import gradio as gr
import requests
from typing import Optional
# 定数定義
API_BASE_URL = "https://huggingface.co/api/models/"
LLAMA_CPP_SOURCE = "https://raw.githubusercontent.com/ggml-org/llama.cpp/refs/heads/master/convert_hf_to_gguf.py"
QUANTIZE = {
"IQ4_XS": 4.25,
"Q4_K_M": 4.9,
"Q5_K_M": 5.7,
"Q6_K": 6.6,
}
def get_model_api_info(model_name: str) -> dict:
"""
Hugging Face Hub APIから指定モデルの情報を取得する。
Args:
model_name (str): モデル名（例: "meta-llama/Llama-3.3-70B-Instruct"）
Returns:
dict: モデル情報の辞書。取得に失敗した場合は空の辞書を返す。
"""
api_url = f"{API_BASE_URL}{model_name}"
try:
response = requests.get(api_url)
response.raise_for_status()
return response.json()
except:
return {}
def is_architecture_supported(architecture: str) -> Optional[bool]:
"""
llama.cppのソースコード内に指定アーキテクチャが含まれているかチェックする。
Args:
architecture (str): アーキテクチャ名
Returns:
Optional[bool]:
- True: アーキテクチャがサポートされている場合
- False: サポートされていない場合
- None: ソースコードの取得に失敗した場合
"""
try:
response = requests.get(LLAMA_CPP_SOURCE)
response.raise_for_status()
content = response.text
return architecture in content
except:
return None
def estimate_gpu_memory(model_name: str) -> str:
"""
指定したモデル名からAPI情報を取得し、safetensors内の各精度パラメータサイズの合算値から
GPUメモリ必要量を概算する。
Args:
model_name (str): モデル名
Returns:
str: GPUメモリ必要量などの情報を含むメッセージ文字列
"""
result_lines = []
model_info = get_model_api_info(model_name)
if not model_info:
result_lines.append(f"エラー: モデル '{model_name}' の情報が取得できませんでした。")
return "\n".join(result_lines)
parameters = model_info.get("safetensors", {}).get("parameters")
if parameters is None:
result_lines.append("safetensorsの情報が見つかりませんでした。")
return "\n".join(result_lines)
architectures = model_info.get("config", {}).get("architectures", [])
if not architectures or architectures[0] is None:
result_lines.append("モデルアーキテクチャの情報が見つかりませんでした。")
return "\n".join(result_lines)
# アーキテクチャの対応確認
architecture = architectures[0]
arch_supported = is_architecture_supported(architecture)
if arch_supported is None:
result_lines.append("llama.cppのソースコード参照に失敗しました。")
return "\n".join(result_lines)
if not arch_supported:
result_lines.append(f"{architecture}はllama.cppにて未対応のアーキテクチャです。")
return "\n".join(result_lines)
result_lines.append(f"モデル: {model_name}")
result_lines.append(f"アーキテクチャ: {architecture}")
result_lines.append("")
result_lines.append("各量子化モデルの動作に必要な概算のGPUメモリサイズは")
# GPUメモリサイズの計算
total_params = sum(parameters.values())
for quant, multiplier in QUANTIZE.items():
gpu_memory = total_params * multiplier / 8 / (1024 ** 3) * 1.3
result_lines.append(f"【{quant}】約 {gpu_memory:.2f} GB")
result_lines.append("となります。")
result_lines.append("")
result_lines.append("参考：Qの数字が量子化ビット数です。")
return "\n".join(result_lines)
# Gradio インターフェースの定義
iface = gr.Interface(
fn=estimate_gpu_memory,
inputs=gr.Textbox(label="モデル名 (例: meta-llama/Llama-3.3-70B-Instruct)"),
outputs="text",
title="Quantized model memory estimator",
description=("Hugging Face Hub APIから取得したsafetensorsの情報をもとに、llama.cppで量子化を行ったモデルの動作に必要なGPUメモリサイズを概算（GB単位）で計算します。")
)
iface.launch()
|