File size: 7,384 Bytes
3beb0db | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 | """Упаковка MuScriptor в один самодостаточный архив.
Внутри: веса, конфиг, карточка модели, все инструменты и manifest с хешем.
Архив намеренно без сжатия: safetensors это уже плотные числа, gzip даёт ~2%
выигрыша за десятки минут CPU, а манифест и хеши считаются на лету.
Запуск:
python tools/pack_bundle.py --model-dir muscriptor-large --out out/muscriptor-bundle.tar
"""
import argparse
import hashlib
import io
import json
import os
import struct
import sys
import tarfile
import time
BUNDLE_VERSION = "1.0"
CHUNK = 8 * 1024 * 1024
def human(size):
for unit in ("Б", "КБ", "МБ", "ГБ", "ТБ"):
if size < 1024 or unit == "ТБ":
return "%.2f %s" % (size, unit)
size /= 1024.0
def model_stats(path):
"""Размер, число тензоров и параметров — по заголовку, без чтения данных."""
with open(path, "rb") as handle:
length = struct.unpack("<Q", handle.read(8))[0]
header = json.loads(handle.read(length))
header.pop("__metadata__", None)
params = 0
dtypes = {}
for info in header.values():
begin, end = info["data_offsets"]
dtypes[info["dtype"]] = dtypes.get(info["dtype"], 0) + 1
params += (end - begin) // 4
return {"tensors": len(header), "parameters": params, "dtypes": dtypes,
"bytes": os.path.getsize(path)}
def add_with_progress(archive, source, arcname, digest, total, label):
"""Кладёт файл в tar потоком, попутно считая sha256 и печатая проценты."""
size = os.path.getsize(source)
info = tarfile.TarInfo(arcname)
info.size = size
info.mtime = int(time.time())
with open(source, "rb") as handle:
reader = _HashingReader(handle, digest, total, label)
archive.addfile(info, reader)
class _HashingReader(io.RawIOBase):
def __init__(self, handle, digest, total, label):
self.handle, self.digest, self.total, self.label = handle, digest, total, label
self.done = 0
self.last = -1
def readable(self):
return True
def read(self, size=-1):
block = self.handle.read(size if size and size > 0 else CHUNK)
if block:
self.digest.update(block)
self.done += len(block)
if self.total:
percent = int(self.done * 100 / self.total)
if percent != self.last:
self.last = percent
print("\r %s: %3d%% %s / %s"
% (self.label, percent, human(self.done), human(self.total)),
end="", flush=True)
elif self.total:
print("\r %s: 100%% %s" % (self.label, human(self.total)), flush=True)
return block
def main():
parser = argparse.ArgumentParser()
parser.add_argument("--model-dir", default="muscriptor-large")
parser.add_argument("--out", default="out/muscriptor-large-bundle.tar")
parser.add_argument("--tools", default=None, help="папка с инструментами (по умолчанию рядом с этим скриптом)")
parser.add_argument("--license-note", default=None)
args = parser.parse_args()
weights = os.path.join(args.model_dir, "model.safetensors")
config = os.path.join(args.model_dir, "config.json")
if not os.path.isfile(weights):
raise SystemExit("нет весов: " + weights)
print("[5%] считаю параметры по заголовку")
stats = model_stats(weights)
print(" тензоров %d, параметров %.1f млн, типы %s, вес %s"
% (stats["tensors"], stats["parameters"] / 1e6, stats["dtypes"], human(stats["bytes"])))
tools_dir = args.tools or os.path.dirname(os.path.abspath(__file__))
tools = sorted(name for name in os.listdir(tools_dir) if name.endswith(".py"))
print("[10%] инструменты: " + ", ".join(tools) if tools else "[10%] инструменты не найдены")
os.makedirs(os.path.dirname(os.path.abspath(args.out)), exist_ok=True)
digest = hashlib.sha256()
manifest = {
"bundle_version": BUNDLE_VERSION,
"built_at": time.strftime("%Y-%m-%dT%H:%M:%SZ", time.gmtime()),
"model": {
"name": "MuScriptor Large",
"source": "https://huggingface.co/MuScriptor/muscriptor-large",
"variant": "large",
"tensors": stats["tensors"],
"parameters": stats["parameters"],
"dtypes": stats["dtypes"],
"weights_bytes": stats["bytes"],
},
"license": {
"weights": "CC-BY-NC-4.0",
"code": "MIT",
"note": "Веса некоммерческие: их нельзя использовать в платном продукте.",
},
"files": ["model/model.safetensors", "model/config.json", "model/README.md", "manifest.json"],
"tools": tools,
}
print("[15%] пишу архив " + args.out)
with tarfile.open(args.out, "w") as archive:
for name in tools:
path = os.path.join(tools_dir, name)
info = tarfile.TarInfo("tools/" + name)
info.size = os.path.getsize(path)
info.mtime = int(time.time())
with open(path, "rb") as handle:
archive.addfile(info, handle)
manifest["files"].append("tools/" + name)
if args.license_note and os.path.isfile(args.license_note):
data = open(args.license_note, "rb").read()
info = tarfile.TarInfo("LICENSE_NOTICE.txt")
info.size = len(data)
info.mtime = int(time.time())
archive.addfile(info, io.BytesIO(data))
manifest["files"].append("LICENSE_NOTICE.txt")
if os.path.isfile(config):
data = open(config, "rb").read()
info = tarfile.TarInfo("model/config.json")
info.size = len(data)
info.mtime = int(time.time())
archive.addfile(info, io.BytesIO(data))
card = os.path.join(args.model_dir, "README.md")
if os.path.isfile(card):
data = open(card, "rb").read()
info = tarfile.TarInfo("model/README.md")
info.size = len(data)
info.mtime = int(time.time())
archive.addfile(info, io.BytesIO(data))
add_with_progress(archive, weights, "model/model.safetensors", digest,
stats["bytes"], "веса")
manifest["model"]["sha256"] = digest.hexdigest()
blob = json.dumps(manifest, ensure_ascii=False, indent=2).encode("utf-8")
info = tarfile.TarInfo("manifest.json")
info.size = len(blob)
info.mtime = int(time.time())
archive.addfile(info, io.BytesIO(blob))
size = os.path.getsize(args.out)
print("[100%%] готово: %s (%s)" % (args.out, human(size)))
print(" sha256 весов: " + manifest["model"]["sha256"])
print(" в истории: python tools/pack_bundle.py --model-dir ... --out ...")
return 0
if __name__ == "__main__":
sys.exit(main())
|