손쉬운 AI 모델 통합: AI 모델 구축 및 평가(Spring Boot 및 Hugging Face)
- Susan Sarandon원래의
- 2025-01-03 12:17:39639검색
AI 혁명이 도래했으며, 그에 따라 텍스트를 생성하고, 시각적 자료를 생성하고, 복잡한 문제를 해결할 수 있는 강력한 모델 목록이 계속 늘어나고 있습니다. 하지만 현실을 직시하자면, 옵션이 너무 많아서 어떤 모델이 프로젝트에 가장 적합한지 파악하는 것이 부담스러울 수 있습니다. 이러한 모델을 신속하게 테스트하고 결과를 실제 확인하고 생산 시스템에 통합할 모델을 결정할 수 있는 방법이 있다면 어떨까요?
Hugging Face의 추론 API를 입력하세요. 최첨단 AI 모델을 탐색하고 활용하는 지름길입니다. 플러그 앤 플레이 솔루션을 제공하여 모델 설정, 호스팅 또는 교육의 번거로움을 제거합니다. 새로운 기능을 브레인스토밍하거나 모델의 기능을 평가할 때 Hugging Face를 사용하면 AI 통합이 그 어느 때보다 간단해집니다.
이 블로그에서는 AI 모델을 손쉽게 테스트하고 평가할 수 있는 Spring Boot를 사용하여 경량 백엔드 애플리케이션을 구축하는 과정을 안내해 드리겠습니다. 기대할 수 있는 사항은 다음과 같습니다.
? 당신이 배울 내용
- AI 모델 액세스: Hugging Face의 Inference API를 사용하여 모델을 탐색하고 테스트하는 방법을 알아보세요.
- 백엔드 구축: 이러한 모델과 상호 작용할 Spring Boot 애플리케이션을 생성하세요.
- 테스트 모델: 샘플 프롬프트를 사용하여 텍스트 및 이미지 생성을 위한 엔드포인트를 설정하고 테스트합니다.
마지막에는 다양한 AI 모델을 테스트하고 프로젝트 요구 사항에 대한 적합성에 대해 정보를 바탕으로 결정을 내릴 수 있는 편리한 도구를 갖게 됩니다. 호기심과 구현 사이의 격차를 해소할 준비가 되었다면 시작해 보세요!
?️ 포옹 얼굴 추론 API를 사용하는 이유는 무엇인가요?
Hugging Face가 AI 통합의 판도를 바꾸는 이유는 다음과 같습니다.
- 사용 편의성: 모델을 교육하거나 배포할 필요가 없습니다. API를 호출하기만 하면 됩니다.
- 다양성: 텍스트 생성, 이미지 생성 등과 같은 작업을 위해 150,000개 이상의 모델에 액세스하세요.
- 확장성: 프로토타이핑 및 프로덕션 용도로 적합합니다.
? 무엇을 만들 것인가
우리는 다음과 같은 기능을 갖춘 Spring Boot 애플리케이션인 QuickAI를 구축할 것입니다.
- 텍스트 생성: 프롬프트를 기반으로 창의적인 콘텐츠를 만듭니다.
- 이미지 생성: 텍스트 설명을 시각적 자료로 변환합니다.
- API 문서 제공: Swagger를 사용하여 API를 테스트하고 상호 작용합니다.
? 시작하기
1단계: Hugging Face에 가입하세요
huggingface.co로 가서 아직 계정이 없다면 계정을 만드세요.
2단계: API 키 받기
계정 설정으로 이동하여 API 키를 생성하세요. 이 키를 사용하면 Spring Boot 애플리케이션이 Hugging Face의 Inference API와 상호 작용할 수 있습니다.
3단계: 모델 탐색
Hugging Face 모델 허브를 확인하여 귀하에게 필요한 모델을 찾으세요. 이 튜토리얼에서는 다음을 사용합니다.
- 텍스트 생성 모델(예: HuggingFaceH4/zephyr-7b-beta).
- 이미지 생성 모델(예: Stabilityai/stable-diffusion-xl-base-1.0)
?️ 스프링 부트 프로젝트 설정
1단계: 새 Spring Boot 프로젝트 생성
Spring Initializr를 사용하여 다음 종속성으로 프로젝트를 설정하세요.
- Spring WebFlux: 반응형, 비차단 API 호출용.
- 롬복: 상용구 코드를 줄입니다.
- Swagger: API 문서용.
2단계: 포옹하는 얼굴 구성 추가
application.properties 파일에 Hugging Face API 키와 모델 URL을 추가하세요.
huggingface.text.api.url=https://api-inference.huggingface.co/models/your-text-model huggingface.api.key=your-api-key-here huggingface.image.api.url=https://api-inference.huggingface.co/models/your-image-model
? 다음은 무엇입니까?
코드를 자세히 살펴보고 텍스트 및 이미지 생성을 위한 서비스를 구축해 보겠습니다. 계속 지켜봐주세요!
1. 텍스트 생성 서비스:
@Service
public class LLMService {
private final WebClient webClient;
private static final Logger logger = LoggerFactory.getLogger(LLMService.class);
// Constructor to initialize WebClient with Hugging Face API URL and API key
public LLMService(@Value("${huggingface.text.api.url}") String apiUrl,
@Value("${huggingface.api.key}") String apiKey) {
this.webClient = WebClient.builder()
.baseUrl(apiUrl) // Set the base URL for the API
.defaultHeader("Authorization", "Bearer " + apiKey) // Add API key to the header
.build();
}
// Method to generate text using Hugging Face's Inference API
public Mono<String> generateText(String prompt) {
// Validate the input prompt
if (prompt == null || prompt.trim().isEmpty()) {
return Mono.error(new IllegalArgumentException("Prompt must not be null or empty"));
}
// Create the request body with the prompt
Map<String, String> body = Collections.singletonMap("inputs", prompt);
// Make a POST request to the Hugging Face API
return webClient.post()
.bodyValue(body)
.retrieve()
.bodyToMono(String.class)
.doOnSuccess(response -> logger.info("Response received: {}", response)) // Log successful responses
.doOnError(error -> logger.error("Error during API call", error)) // Log errors
.retryWhen(Retry.backoff(3, Duration.ofMillis(500))) // Retry on failure with exponential backoff
.timeout(Duration.ofSeconds(5)) // Set a timeout for the API call
.onErrorResume(error -> Mono.just("Fallback response due to error: " + error.getMessage())); // Provide a fallback response on error
}
}
2. 이미지 생성 서비스:
@Service
public class ImageGenerationService {
private static final Logger logger = LoggerFactory.getLogger(ImageGenerationService.class);
private final WebClient webClient;
public ImageGenerationService(@Value("${huggingface.image.api.url}") String apiUrl,
@Value("${huggingface.api.key}") String apiKey) {
this.webClient = WebClient.builder()
.baseUrl(apiUrl)
.defaultHeader("Authorization", "Bearer " + apiKey)
.build();
}
public Mono<byte[]> generateImage(String prompt) {
if (prompt == null || prompt.trim().isEmpty()) {
return Mono.error(new IllegalArgumentException("Prompt must not be null or empty"));
}
Map<String, String> body = Collections.singletonMap("inputs", prompt);
return webClient.post()
.bodyValue(body)
.retrieve()
.bodyToMono(byte[].class) / Convert the response to a Mono<byte[]> (image bytes)
.timeout(Duration.ofSeconds(10)) // Timeout after 10 seconds
.retryWhen(Retry.backoff(3, Duration.ofMillis(500))) // Retry logic
.doOnSuccess(response -> logger.info("Image generated successfully for prompt: {}", prompt))
.doOnError(error -> logger.error("Error generating image for prompt: {}", prompt, error))
.onErrorResume(WebClientResponseException.class, ex -> {
logger.error("HTTP error during image generation: {}", ex.getMessage(), ex);
return Mono.error(new RuntimeException("Error generating image: " + ex.getMessage()));
})
.onErrorResume(TimeoutException.class, ex -> {
logger.error("Timeout while generating image for prompt: {}", prompt);
return Mono.error(new RuntimeException("Request timed out"));
});
}
}
예시 프롬프트와 그 결과: ?
1. 텍스트 기반 엔드포인트:
2. 이미지 기반 엔드포인트:
? 프로젝트 살펴보기
들어갈 준비가 되셨나요? QuickAI GitHub 저장소를 확인하여 전체 코드를 보고 따라해 보세요. 유용하다고 생각되면 ⭐를 부여하세요.
보너스?
이 프로젝트를 더 진행하고 싶으신가요?
- 프런트엔드 앱 구축에 도움이 될 API 문서용 Swagger UI를 구성했습니다.
- 좋아하는 프런트엔드 프레임워크(예: React, Angular 또는 일반 HTML/CSS/Vanilla JS)를 사용하여 간단한 프런트엔드 앱을 구축하세요.
? 축하합니다. 여기까지 오셨습니다.
이제 Hugging Face를 사용하는 방법을 아셨나요?:
- 애플리케이션에서 AI 모델을 빠르게 사용하려면
- 텍스트 생성: 프롬프트에서 창의적인 콘텐츠를 만듭니다.
- 이미지 생성: 텍스트 설명을 시각적 자료로 변환합니다.
? 연결하자!
LinkedIn에서 저를 찾아 공동 작업을 하거나 제안 사항이 있으면 Portfolio는 GitHub에서 저의 다른 프로젝트도 살펴보세요.
질문이나 제안 사항이 있으면 아래에 댓글을 남겨주시면 기꺼이 답변해 드리겠습니다.
즐거운 코딩하세요! ?
위 내용은 손쉬운 AI 모델 통합: AI 모델 구축 및 평가(Spring Boot 및 Hugging Face)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!