model_artifacts/handler.py

from transformers import AutoModel, AutoTokenizer
import torch


class EndpointHandler:
    def __init__(self, model_dir="/opt/huggingface/model"):
        """
        model_dir: путь к директории с моделью из artifact_uri
        """
        self.device = 0 if torch.cuda.is_available() else -1
        
        # Загрузка модели из локальной директории (GCS)
        self.tokenizer = AutoTokenizer.from_pretrained(
            model_dir,
            trust_remote_code=True
        )
        self.model = AutoModel.from_pretrained(
            model_dir,
            trust_remote_code=True
        )
        
        if self.device >= 0:
            self.model = self.model.cuda(self.device)
        self.model.eval()
    
    def __call__(self, data):
        """
        data: словарь с ключом 'inputs' или список строк
        """
        if isinstance(data, dict):
            inputs = data.get("inputs", data.get("input", ""))
        else:
            inputs = data
        
        # Токенизация
        encoded = self.tokenizer(
            inputs,
            padding=True,
            truncation=True,
            max_length=4096,
            return_tensors="pt"
        )
        
        if self.device >= 0:
            encoded = {k: v.cuda(self.device) for k, v in encoded.items()}
        
        # Генерация эмбеддингов
        with torch.no_grad():
            outputs = self.model(**encoded)
            # Используем [CLS] токен (первый токен)
            embeddings = outputs.last_hidden_state[:, 0].cpu().numpy()
        
        return {"embeddings": embeddings.tolist()}