parent
eb4257f946
commit
5556aa46dd
@ -1,347 +0,0 @@ |
|||||||
package main |
|
||||||
|
|
||||||
import ( |
|
||||||
"embed" |
|
||||||
"fmt" |
|
||||||
"net/http" |
|
||||||
"strconv" |
|
||||||
"strings" |
|
||||||
"sync" |
|
||||||
|
|
||||||
llama "github.com/go-skynet/go-llama.cpp" |
|
||||||
"github.com/gofiber/fiber/v2" |
|
||||||
"github.com/gofiber/fiber/v2/middleware/cors" |
|
||||||
"github.com/gofiber/fiber/v2/middleware/filesystem" |
|
||||||
"github.com/gofiber/fiber/v2/middleware/recover" |
|
||||||
) |
|
||||||
|
|
||||||
type OpenAIResponse struct { |
|
||||||
Created int `json:"created,omitempty"` |
|
||||||
Object string `json:"chat.completion,omitempty"` |
|
||||||
ID string `json:"id,omitempty"` |
|
||||||
Model string `json:"model,omitempty"` |
|
||||||
Choices []Choice `json:"choices,omitempty"` |
|
||||||
} |
|
||||||
|
|
||||||
type Choice struct { |
|
||||||
Index int `json:"index,omitempty"` |
|
||||||
FinishReason string `json:"finish_reason,omitempty"` |
|
||||||
Message Message `json:"message,omitempty"` |
|
||||||
Text string `json:"text,omitempty"` |
|
||||||
} |
|
||||||
|
|
||||||
type Message struct { |
|
||||||
Role string `json:"role,omitempty"` |
|
||||||
Content string `json:"content,omitempty"` |
|
||||||
} |
|
||||||
|
|
||||||
type OpenAIModel struct { |
|
||||||
ID string `json:"id"` |
|
||||||
Object string `json:"object"` |
|
||||||
} |
|
||||||
|
|
||||||
//go:embed index.html
|
|
||||||
var indexHTML embed.FS |
|
||||||
|
|
||||||
func completionEndpoint(defaultModel *llama.LLama, loader *ModelLoader, threads int, defaultMutex *sync.Mutex, mutexMap *sync.Mutex, mutexes map[string]*sync.Mutex) func(c *fiber.Ctx) error { |
|
||||||
return func(c *fiber.Ctx) error { |
|
||||||
|
|
||||||
var err error |
|
||||||
var model *llama.LLama |
|
||||||
|
|
||||||
// Get input data from the request body
|
|
||||||
input := new(struct { |
|
||||||
Model string `json:"model"` |
|
||||||
Prompt string `json:"prompt"` |
|
||||||
}) |
|
||||||
if err := c.BodyParser(input); err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
if input.Model == "" { |
|
||||||
if defaultModel == nil { |
|
||||||
return fmt.Errorf("no default model loaded, and no model specified") |
|
||||||
} |
|
||||||
model = defaultModel |
|
||||||
} else { |
|
||||||
model, err = loader.LoadModel(input.Model) |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
} |
|
||||||
|
|
||||||
// This is still needed, see: https://github.com/ggerganov/llama.cpp/discussions/784
|
|
||||||
if input.Model != "" { |
|
||||||
mutexMap.Lock() |
|
||||||
l, ok := mutexes[input.Model] |
|
||||||
if !ok { |
|
||||||
m := &sync.Mutex{} |
|
||||||
mutexes[input.Model] = m |
|
||||||
l = m |
|
||||||
} |
|
||||||
mutexMap.Unlock() |
|
||||||
l.Lock() |
|
||||||
defer l.Unlock() |
|
||||||
} else { |
|
||||||
defaultMutex.Lock() |
|
||||||
defer defaultMutex.Unlock() |
|
||||||
} |
|
||||||
|
|
||||||
// Set the parameters for the language model prediction
|
|
||||||
topP, err := strconv.ParseFloat(c.Query("topP", "0.9"), 64) // Default value of topP is 0.9
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
topK, err := strconv.Atoi(c.Query("topK", "40")) // Default value of topK is 40
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
temperature, err := strconv.ParseFloat(c.Query("temperature", "0.5"), 64) // Default value of temperature is 0.5
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
tokens, err := strconv.Atoi(c.Query("tokens", "128")) // Default value of tokens is 128
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
predInput := input.Prompt |
|
||||||
// A model can have a "file.bin.tmpl" file associated with a prompt template prefix
|
|
||||||
templatedInput, err := loader.TemplatePrefix(input.Model, struct { |
|
||||||
Input string |
|
||||||
}{Input: input.Prompt}) |
|
||||||
if err == nil { |
|
||||||
predInput = templatedInput |
|
||||||
} |
|
||||||
|
|
||||||
// Generate the prediction using the language model
|
|
||||||
prediction, err := model.Predict( |
|
||||||
predInput, |
|
||||||
llama.SetTemperature(temperature), |
|
||||||
llama.SetTopP(topP), |
|
||||||
llama.SetTopK(topK), |
|
||||||
llama.SetTokens(tokens), |
|
||||||
llama.SetThreads(threads), |
|
||||||
) |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
// Return the prediction in the response body
|
|
||||||
return c.JSON(OpenAIResponse{ |
|
||||||
Model: input.Model, |
|
||||||
Choices: []Choice{{Text: prediction}}, |
|
||||||
}) |
|
||||||
} |
|
||||||
} |
|
||||||
|
|
||||||
func chatEndpoint(defaultModel *llama.LLama, loader *ModelLoader, threads int, defaultMutex *sync.Mutex, mutexMap *sync.Mutex, mutexes map[string]*sync.Mutex) func(c *fiber.Ctx) error { |
|
||||||
return func(c *fiber.Ctx) error { |
|
||||||
|
|
||||||
var err error |
|
||||||
var model *llama.LLama |
|
||||||
|
|
||||||
// Get input data from the request body
|
|
||||||
input := new(struct { |
|
||||||
Messages []Message `json:"messages"` |
|
||||||
Model string `json:"model"` |
|
||||||
}) |
|
||||||
if err := c.BodyParser(input); err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
if input.Model == "" { |
|
||||||
if defaultModel == nil { |
|
||||||
return fmt.Errorf("no default model loaded, and no model specified") |
|
||||||
} |
|
||||||
model = defaultModel |
|
||||||
} else { |
|
||||||
model, err = loader.LoadModel(input.Model) |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
} |
|
||||||
|
|
||||||
// This is still needed, see: https://github.com/ggerganov/llama.cpp/discussions/784
|
|
||||||
if input.Model != "" { |
|
||||||
mutexMap.Lock() |
|
||||||
l, ok := mutexes[input.Model] |
|
||||||
if !ok { |
|
||||||
m := &sync.Mutex{} |
|
||||||
mutexes[input.Model] = m |
|
||||||
l = m |
|
||||||
} |
|
||||||
mutexMap.Unlock() |
|
||||||
l.Lock() |
|
||||||
defer l.Unlock() |
|
||||||
} else { |
|
||||||
defaultMutex.Lock() |
|
||||||
defer defaultMutex.Unlock() |
|
||||||
} |
|
||||||
|
|
||||||
// Set the parameters for the language model prediction
|
|
||||||
topP, err := strconv.ParseFloat(c.Query("topP", "0.9"), 64) // Default value of topP is 0.9
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
topK, err := strconv.Atoi(c.Query("topK", "40")) // Default value of topK is 40
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
temperature, err := strconv.ParseFloat(c.Query("temperature", "0.5"), 64) // Default value of temperature is 0.5
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
tokens, err := strconv.Atoi(c.Query("tokens", "128")) // Default value of tokens is 128
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
mess := []string{} |
|
||||||
for _, i := range input.Messages { |
|
||||||
mess = append(mess, i.Content) |
|
||||||
} |
|
||||||
|
|
||||||
predInput := strings.Join(mess, "\n") |
|
||||||
|
|
||||||
// A model can have a "file.bin.tmpl" file associated with a prompt template prefix
|
|
||||||
templatedInput, err := loader.TemplatePrefix(input.Model, struct { |
|
||||||
Input string |
|
||||||
}{Input: predInput}) |
|
||||||
if err == nil { |
|
||||||
predInput = templatedInput |
|
||||||
} |
|
||||||
|
|
||||||
// Generate the prediction using the language model
|
|
||||||
prediction, err := model.Predict( |
|
||||||
predInput, |
|
||||||
llama.SetTemperature(temperature), |
|
||||||
llama.SetTopP(topP), |
|
||||||
llama.SetTopK(topK), |
|
||||||
llama.SetTokens(tokens), |
|
||||||
llama.SetThreads(threads), |
|
||||||
) |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
// Return the prediction in the response body
|
|
||||||
return c.JSON(OpenAIResponse{ |
|
||||||
Model: input.Model, |
|
||||||
Choices: []Choice{{Message: Message{Role: "assistant", Content: prediction}}}, |
|
||||||
}) |
|
||||||
} |
|
||||||
} |
|
||||||
|
|
||||||
func api(defaultModel *llama.LLama, loader *ModelLoader, listenAddr string, threads int) error { |
|
||||||
app := fiber.New() |
|
||||||
|
|
||||||
// Default middleware config
|
|
||||||
app.Use(recover.New()) |
|
||||||
app.Use(cors.New()) |
|
||||||
|
|
||||||
// This is still needed, see: https://github.com/ggerganov/llama.cpp/discussions/784
|
|
||||||
var mutex = &sync.Mutex{} |
|
||||||
mu := map[string]*sync.Mutex{} |
|
||||||
var mumutex = &sync.Mutex{} |
|
||||||
|
|
||||||
// openAI compatible API endpoint
|
|
||||||
app.Post("/v1/chat/completions", chatEndpoint(defaultModel, loader, threads, mutex, mumutex, mu)) |
|
||||||
app.Post("/v1/completions", completionEndpoint(defaultModel, loader, threads, mutex, mumutex, mu)) |
|
||||||
app.Get("/v1/models", func(c *fiber.Ctx) error { |
|
||||||
models, err := loader.ListModels() |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
dataModels := []OpenAIModel{} |
|
||||||
for _, m := range models { |
|
||||||
dataModels = append(dataModels, OpenAIModel{ID: m, Object: "model"}) |
|
||||||
} |
|
||||||
return c.JSON(struct { |
|
||||||
Object string `json:"object"` |
|
||||||
Data []OpenAIModel `json:"data"` |
|
||||||
}{ |
|
||||||
Object: "list", |
|
||||||
Data: dataModels, |
|
||||||
}) |
|
||||||
}) |
|
||||||
|
|
||||||
app.Use("/", filesystem.New(filesystem.Config{ |
|
||||||
Root: http.FS(indexHTML), |
|
||||||
NotFoundFile: "index.html", |
|
||||||
})) |
|
||||||
|
|
||||||
/* |
|
||||||
curl --location --request POST 'http://localhost:8080/predict' --header 'Content-Type: application/json' --data-raw '{
|
|
||||||
"text": "What is an alpaca?", |
|
||||||
"topP": 0.8, |
|
||||||
"topK": 50, |
|
||||||
"temperature": 0.7, |
|
||||||
"tokens": 100 |
|
||||||
}' |
|
||||||
*/ |
|
||||||
// Endpoint to generate the prediction
|
|
||||||
app.Post("/predict", func(c *fiber.Ctx) error { |
|
||||||
mutex.Lock() |
|
||||||
defer mutex.Unlock() |
|
||||||
// Get input data from the request body
|
|
||||||
input := new(struct { |
|
||||||
Text string `json:"text"` |
|
||||||
}) |
|
||||||
if err := c.BodyParser(input); err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
// Set the parameters for the language model prediction
|
|
||||||
topP, err := strconv.ParseFloat(c.Query("topP", "0.9"), 64) // Default value of topP is 0.9
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
topK, err := strconv.Atoi(c.Query("topK", "40")) // Default value of topK is 40
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
temperature, err := strconv.ParseFloat(c.Query("temperature", "0.5"), 64) // Default value of temperature is 0.5
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
tokens, err := strconv.Atoi(c.Query("tokens", "128")) // Default value of tokens is 128
|
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
// Generate the prediction using the language model
|
|
||||||
prediction, err := defaultModel.Predict( |
|
||||||
input.Text, |
|
||||||
llama.SetTemperature(temperature), |
|
||||||
llama.SetTopP(topP), |
|
||||||
llama.SetTopK(topK), |
|
||||||
llama.SetTokens(tokens), |
|
||||||
llama.SetThreads(threads), |
|
||||||
) |
|
||||||
if err != nil { |
|
||||||
return err |
|
||||||
} |
|
||||||
|
|
||||||
// Return the prediction in the response body
|
|
||||||
return c.JSON(struct { |
|
||||||
Prediction string `json:"prediction"` |
|
||||||
}{ |
|
||||||
Prediction: prediction, |
|
||||||
}) |
|
||||||
}) |
|
||||||
|
|
||||||
// Start the server
|
|
||||||
app.Listen(listenAddr) |
|
||||||
return nil |
|
||||||
} |
|
Loading…
Reference in new issue