Create infer_onnx_hf.py

onnx/infer_onnx_hf.py

@@ -0,0 +1,147 @@
+import onnxruntime
+import numpy as np
+from transformers import AutoTokenizer
+import time
+import os
+from huggingface_hub import hf_hub_download
+
+model_name = "skypro1111/mbart-large-50-verbalization"
+
+
+def download_model_from_hf(repo_id=model_name, model_dir="onnx_hf"):
+    """Download ONNX models from HuggingFace Hub."""
+    os.makedirs(model_dir, exist_ok=True)
+    
+    files = ["onnx/encoder_model.onnx", "onnx/decoder_model.onnx", "onnx/decoder_model.onnx_data"]
+
+    for file in files:
+        hf_hub_download(
+            repo_id=repo_id,
+            filename=file,
+            local_dir=model_dir
+        )
+    
+    return files
+
+def create_onnx_session(model_path, use_gpu=True):
+    """Create an ONNX inference session."""
+    # Session options
+    session_options = onnxruntime.SessionOptions()
+    session_options.graph_optimization_level = onnxruntime.GraphOptimizationLevel.ORT_ENABLE_ALL
+    session_options.enable_mem_pattern = True
+    session_options.enable_mem_reuse = True
+    session_options.intra_op_num_threads = 8
+    session_options.log_severity_level = 1
+    
+    cuda_provider_options = {
+        'device_id': 0,
+        'arena_extend_strategy': 'kSameAsRequested',
+        'gpu_mem_limit': 0,  # 0 means no limit
+        'cudnn_conv_algo_search': 'DEFAULT',
+        'do_copy_in_default_stream': True,
+    }
+    
+    print(f"Available providers: {onnxruntime.get_available_providers()}")
+    if use_gpu and 'CUDAExecutionProvider' in onnxruntime.get_available_providers():
+        providers = [('CUDAExecutionProvider', cuda_provider_options)]
+        print("Using CUDA for inference")
+    else:
+        providers = ['CPUExecutionProvider']
+        print("Using CPU for inference")
+    
+    session = onnxruntime.InferenceSession(
+        model_path,
+        providers=providers,
+        sess_options=session_options
+    )
+    
+    return session
+
+def generate_text(text, tokenizer, encoder_session, decoder_session, max_length=128):
+    """Generate text for a single input."""
+    # Prepare input
+    inputs = tokenizer(text, return_tensors="np", padding=True, truncation=True, max_length=512)
+    input_ids = inputs["input_ids"].astype(np.int64)
+    attention_mask = inputs["attention_mask"].astype(np.int64)
+    
+    # Run encoder
+    encoder_outputs = encoder_session.run(
+        output_names=["last_hidden_state"],
+        input_feed={
+            "input_ids": input_ids,
+            "attention_mask": attention_mask,
+        }
+    )[0]
+    
+    # Initialize decoder input
+    decoder_input_ids = np.array([[tokenizer.pad_token_id]], dtype=np.int64)
+    
+    # Generate sequence
+    for _ in range(max_length):
+        # Run decoder
+        decoder_outputs = decoder_session.run(
+            output_names=["logits"],
+            input_feed={
+                "input_ids": decoder_input_ids,
+                "encoder_hidden_states": encoder_outputs,
+                "encoder_attention_mask": attention_mask,
+            }
+        )[0]
+        
+        # Get next token
+        next_token = decoder_outputs[:, -1:].argmax(axis=-1)
+        decoder_input_ids = np.concatenate([decoder_input_ids, next_token], axis=-1)
+        
+        # Check if sequence is complete
+        if tokenizer.eos_token_id in decoder_input_ids[0]:
+            break
+    
+    # Decode sequence
+    output_text = tokenizer.decode(decoder_input_ids[0], skip_special_tokens=True)
+    return output_text
+
+def main():
+    # Print available providers
+    print("Available providers:", onnxruntime.get_available_providers())
+    
+    # Download models from HuggingFace
+    print("\nDownloading models from HuggingFace...")
+    encoder_path, decoder_path, _ = download_model_from_hf()
+    
+    # Load tokenizer and models
+    print("\nLoading tokenizer...")
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    tokenizer.src_lang = "uk_UA"
+    tokenizer.tgt_lang = "uk_UA"
+    
+    # Create ONNX sessions
+    print("\nLoading encoder...")
+    encoder_session = create_onnx_session(encoder_path)
+    print("\nLoading decoder...")
+    decoder_session = create_onnx_session(decoder_path)
+    
+    # Test examples
+    test_inputs = [
+        "мій телефон 0979456822",
+        "квартира площею 11 тис кв м.",
+        "Пропонували хабар у 1 млрд грн.",
+        "1 2 3 4 5 6 7 8 9 10.",
+        "Крім того, парламентарій володіє шістьма ділянками землі (дві площею 25000 кв м, дві по 15000 кв м та дві по 10000 кв м) розташованими в Сосновій Балці Луганської області.",
+        "Підписуючи цей документ у 2003 році, голови Росії та України мали намір зміцнити співпрацю та сприяти розширенню двосторонніх відносин.",
+        "Очікується, що цей застосунок буде запущено 22.08.2025.",
+        "За інформацією від Державної служби з надзвичайних ситуацій станом на 7 ранку 15 липня.",
+    ]
+    
+    print("\nWarming up...")
+    _ = generate_text(test_inputs[0], tokenizer, encoder_session, decoder_session)
+    
+    print("\nRunning inference...")
+    for text in test_inputs:
+        print(f"\nInput: {text}")
+        t = time.time()
+        output = generate_text(text, tokenizer, encoder_session, decoder_session)
+        print(f"Output: {output}")
+        print(f"Time: {time.time() - t:.2f} seconds")
+
+if __name__ == "__main__":
+    main()