以下のサンプル・アプリケーションに含まれるindex.jsを、Oracle APEXで動くように改変ししました。
MediaPipe LLM Inference task for web
https://github.com/google-ai-edge/mediapipe-samples/tree/main/examples/llm_inference/js
実行環境はmacOSのChromeです。作業としては、ウェブ用LLM推論ガイドのクイックスタートを参照しています。
実行環境はmacOSのChromeです。作業としては、ウェブ用LLM推論ガイドのクイックスタートを参照しています。
元々は最近発表されたGemma 3nを動かすつもりだったのですが、Gemma 3nは現時点では.taskファイルのみ公開されているようです。ウェブ用LLM推論ガイドのモデル変換に.taskの対応プラットフォームとしてAndroid、iOSはありますが、ウェブがありません。そのため、クイックスタートのとおりにgemma2-2b-it-gpu-int8を使用しました。
サンプル・アプリケーションのindex.htmlは、APEXのアプリケーションのページとして作り直しています。
作成したアプリケーションは以下のように動作します。
APEX向けに書き直したindex.jsは以下になります。
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| /* | |
| * 元のファイルは以下です。 | |
| * https://github.com/google-ai-edge/mediapipe-samples/blob/main/examples/llm_inference/js/index.js | |
| * | |
| * Oracle APEXのページ上で実行するために、input、outputの要素をページ・アイテムに変更し、データの取得や設定方法も | |
| * ページ・アイテムに合わせて変更しています。 | |
| */ | |
| // Copyright 2024 The MediaPipe Authors. | |
| // Licensed under the Apache License, Version 2.0 (the "License"); | |
| // you may not use this file except in compliance with the License. | |
| // You may obtain a copy of the License at | |
| // http://www.apache.org/licenses/LICENSE-2.0 | |
| // Unless required by applicable law or agreed to in writing, software | |
| // distributed under the License is distributed on an "AS IS" BASIS, | |
| // WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. | |
| // See the License for the specific language governing permissions and | |
| // limitations under the License. | |
| // ---------------------------------------------------------------------------------------- // | |
| import {FilesetResolver, LlmInference} from 'https://cdn.jsdelivr.net/npm/@mediapipe/tasks-genai'; | |
| /* | |
| * 要素からページ・アイテムに変更。 | |
| const input = document.getElementById('input'); | |
| const output = document.getElementById('output'); | |
| */ | |
| const submit = document.getElementById('submit'); | |
| const modelFileName = '/i/models/gemma2-2b-it-gpu-int8.bin'; /* Update the file name */ | |
| // const modelFileName = '/i/models/gemma-3n-E2B-it-int4.task'; | |
| /** | |
| * Display newly generated partial results to the output text box. | |
| */ | |
| function displayPartialResults(partialResults, complete) { | |
| // output.textContent += partialResults; | |
| // ページ・アイテムに出力を設定する。 | |
| let output = apex.item("P1_OUTPUT").getValue() + partialResults; | |
| apex.item("P1_OUTPUT").setValue(output); | |
| if (complete) { | |
| if (!output) { | |
| // output.textContent = 'Result is empty'; | |
| apex.item("P1_OUTPUT").setValue('Result is empty'); | |
| } | |
| submit.disabled = false; | |
| } | |
| } | |
| /** | |
| * Main function to run LLM Inference. | |
| */ | |
| async function runDemo() { | |
| const genaiFileset = await FilesetResolver.forGenAiTasks( | |
| 'https://cdn.jsdelivr.net/npm/@mediapipe/tasks-genai/wasm'); | |
| let llmInference; | |
| submit.onclick = () => { | |
| // output.textContent = ''; | |
| const input = apex.item("P1_INPUT").getValue(); | |
| apex.item("P1_OUTPUT").setValue(''); | |
| submit.disabled = true; | |
| llmInference.generateResponse(input, displayPartialResults); | |
| }; | |
| submit.value = 'Loading the model...' | |
| LlmInference | |
| .createFromOptions(genaiFileset, { | |
| baseOptions: { | |
| modelAssetPath: modelFileName | |
| }, | |
| /* LLMに与えるパラメータを設定 */ | |
| maxTokens: 4096, // The maximum number of tokens (input tokens + output | |
| // // tokens) the model handles. | |
| randomSeed: 1, // The random seed used during text generation. | |
| topK: 1, // The number of tokens the model considers at each step of | |
| // // generation. Limits predictions to the top k most-probable | |
| // // tokens. Setting randomSeed is required for this to make | |
| // // effects. | |
| temperature: | |
| 1.0, // The amount of randomness introduced during generation. | |
| // // Setting randomSeed is required for this to make effects. | |
| }) | |
| .then(llm => { | |
| llmInference = llm; | |
| submit.disabled = false; | |
| submit.value = 'Get Response' | |
| }) | |
| .catch((err) => { | |
| // エラーの発生要因を出力。 | |
| console.error('Failed to initialize the task:', err); | |
| alert('Failed to initialize the task.'); | |
| }); | |
| } | |
| runDemo(); |
このファイルを静的アプリケーション・ファイルとしてアップロードします。作成した静的アプリケーション・ファイルの参照をメモします。
静的アプリケーション・ファイルindex.jsをページに読み込むために、ホーム・ページのページ・プロパティのJavaScriptのファイルURLに以下を記述します。moduleを指定します。
[module]#APP_FILES#index#MIN#.js
LLMに送信する文字列は、ページ・アイテムP1_INPUTに入力します。タイプはテキスト領域を選択します。セッション・ステートのデータ型はCLOB、ストレージはリクエストごと(メモリーのみ)を設定します。
ボタンSUBMITを作成します。ボタンをクリックしたときに実行されるイベントハンドラは、index.js内に記述されています。APEXアプリとしては何も処理をしないので、動作のアクションとして動的アクションで定義を選択します。また、index.js内でこのボタンをsubmitというIDで見つけているので、詳細の静的IDにsubmitを設定します。
LLMの出力はページ・アイテムP1_OUTPUTに表示します。LLMの出力フォーマットはMarkdownなので、ページ・アイテムのタイプとしてMarkdownエディタを選択します。セッション・ステートのデータ型はCLOB、ストレージはリクエストごと(メモリーのみ)を設定します。
Oracle APEXでMediaPipe LLM Inference APIを呼び出すサンプルは以上で完成です。
LLMとしては小さなモデルとはいえ、数GBはあります。Oracle APEXの静的アプリケーション・ファイルとして保存するのも避けたかったので、ORDSから直接ファイルとしてダウンロードできる場所に配置しました。
（CDNではなく）ORDSがOracle APEXのイメージ・ファイルを提供するように構成している場合、以下のようにstandalone.static.pathが設定されています。（global/settings.xml内）
<entry key="standalone.static.path">/opt/oracle/apex/images</entry>
このパスの下はURLから見ると/i/以下にあるファイルとして参照されます。そのため、（上記の例では/opt/oracle/apex/images以下に）ディレクトリmodelsを作成し、その下にgemma2-2b-it-gpu-int8.binを置きました。
index.js内ではモデル・ファイルを以下のように指定しています。
const modelFileName = '/i/models/gemma2-2b-it-gpu-int8.bin'; /* Update the file name */CORSのエラーが発生しないよう、APEXが動作しているホストと同じホストからモデル・ファイルをダウンロードする必要があるようです。また、ダウンロード元がlocalhost以外の場合、https経由でダウンロードする必要があるとの記載もありました。今回の作業ではAPEXはlocalhostでアクセスしているため、両方の条件が必須かどうかは確認できていません。
今回使用したモデルはWebGPUを使用します。Chromeのchrome://flagsを開いて、WebGPUに関する以下の2つの設定を有効にしています。
今回の記事は以上になります。
今回作成したAPEXアプリケーションのエクスポートを以下に置きました。https://github.com/ujnak/apexapps/blob/master/exports/sample-google-ai-edge-mediapipe.zip
Oracle APEXのアプリケーション作成の参考になれば幸いです。
完
