La plupart des modèles d'IA ont au moins une chose en commun: ils sont assez volumineux pour une ressource transférée sur Internet. Le plus petit modèle de détection d'objets MediaPipe (SSD MobileNetV2 float16
) pèse 5,6 Mo et le plus grand est d'environ 25 Mo.
Le LLM Open Source gemma-2b-it-gpu-int4.bin
mesure 1,35 Go, ce qui est considéré comme très petit pour un LLM.
Les modèles d'IA générative peuvent être énormes. C'est pourquoi l'IA est beaucoup utilisée
aujourd'hui dans le cloud. De plus en plus, les applications exécutent des modèles hautement optimisés directement sur l'appareil. Bien qu'il existe des démonstrations de LLM exécutés dans le navigateur, voici quelques exemples de niveau production d'autres modèles exécutés dans le navigateur:
- Adobe Photoshop exécute une variante du modèle
Conv2D
sur l'appareil pour son outil intelligent de sélection d'objets. - Google Meet exécute une version optimisée du modèle
MobileNetV3-small
pour la segmentation des personnes grâce à sa fonctionnalité de flou d'arrière-plan. - Tokopedia exécute le modèle
MediaPipeFaceDetector-TFJS
pour la détection des visages en temps réel afin d'éviter toute inscription non valide à son service. - Google Colab permet aux utilisateurs d'utiliser des modèles à partir de leur disque dur dans les notebooks Colab.
Pour accélérer les futurs lancements de vos applications, vous devez explicitement mettre en cache les données du modèle sur l'appareil, plutôt que d'utiliser le cache implicite du navigateur HTTP.
Bien que ce guide utilise gemma-2b-it-gpu-int4.bin model
pour créer un chatbot, l'approche peut être généralisée à d'autres modèles et à d'autres cas d'utilisation sur l'appareil. Le moyen le plus courant de connecter une application à un modèle consiste à diffuser le modèle avec le reste des ressources de l'application. Il est crucial d'optimiser la diffusion.
Configurer les en-têtes de cache appropriés
Si vous diffusez des modèles d'IA à partir de votre serveur, il est important de configurer l'en-tête Cache-Control
approprié. L'exemple suivant présente un paramètre par défaut solide, que vous pouvez exploiter pour répondre aux besoins de votre application.
Cache-Control: public, max-age=31536000, immutable
Chaque version publiée d'un modèle d'IA est une ressource statique. Le contenu qui ne change jamais doit recevoir un long max-age
combiné au contournement du cache dans l'URL de la requête. Si vous devez mettre à jour le modèle, vous devez lui attribuer une nouvelle URL.
Lorsque l'utilisateur actualise la page, le client envoie une demande de revalidation, même si le serveur sait que le contenu est stable. La directive immutable
indique explicitement que la revalidation n'est pas nécessaire, car le contenu ne changera pas. L'instruction immutable
n'est pas largement compatible avec les navigateurs et les serveurs proxy ou cache intermédiaires, mais en la combinant avec l'instruction max-age
universelle, vous pouvez garantir une compatibilité maximale. L'instruction de réponse public
indique que la réponse peut être stockée dans un cache partagé.
![](https://developer.chrome.com/static/docs/ai/cache-models/images/cache-control.png?authuser=5&hl=fr)
Cache-Control
de production envoyés par Hugging Face lorsque vous demandez un modèle d'IA.
(Source)
Mettre en cache les modèles d'IA côté client
Lorsque vous diffusez un modèle d'IA, il est important de le mettre en cache explicitement dans le navigateur. Cela garantit que les données du modèle sont facilement disponibles une fois qu'un utilisateur a actualisé l'application.
Il existe un certain nombre de techniques que vous pouvez utiliser pour y parvenir. Pour les exemples de code suivants, supposons que chaque fichier de modèle est stocké en mémoire dans un objet Blob
nommé blob
.
Pour comprendre les performances, chaque exemple de code est annoté avec les méthodes performance.mark()
et performance.measure()
. Ces mesures dépendent des appareils et ne sont pas généralisables.
![](https://developer.chrome.com/static/docs/ai/cache-models/images/usage-graph.jpg?authuser=5&hl=fr)
Vous pouvez choisir d'utiliser l'une des API suivantes pour mettre en cache les modèles d'IA dans le navigateur : l'API Cache, l'API Origin Private File System et l'API IndexedDB. Il est généralement recommandé d'utiliser l'API Cache, mais ce guide décrit les avantages et les inconvénients de toutes les options.
API Cache
L'API Cache fournit un stockage persistant pour les paires d'objets Request
et Response
mises en cache dans la mémoire à longue durée de vie. Bien qu'elle soit définie dans la spécification des service workers, vous pouvez utiliser cette API à partir du thread principal ou d'un nœud de calcul standard. Pour l'utiliser en dehors d'un contexte de service worker, appelez la méthode Cache.put()
avec un objet Response
synthétique associé à une URL synthétique au lieu d'un objet Request
.
Ce guide suppose un blob
en mémoire. Utilisez une URL fictive comme clé de cache et un Response
synthétique basé sur la blob
. Si vous téléchargez directement le modèle, vous utiliserez le Response
que vous obtiendrez en effectuant une requête fetch()
.
Par exemple, voici comment stocker et restaurer un fichier de modèle avec l'API Cache.
const storeFileInSWCache = async (blob) => {
try {
performance.mark('start-sw-cache-cache');
const modelCache = await caches.open('models');
await modelCache.put('model.bin', new Response(blob));
performance.mark('end-sw-cache-cache');
const mark = performance.measure(
'sw-cache-cache',
'start-sw-cache-cache',
'end-sw-cache-cache'
);
console.log('Model file cached in sw-cache.', mark.name, mark.duration.toFixed(2));
} catch (err) {
console.error(err.name, err.message);
}
};
const restoreFileFromSWCache = async () => {
try {
performance.mark('start-sw-cache-restore');
const modelCache = await caches.open('models');
const response = await modelCache.match('model.bin');
if (!response) {
throw new Error(`File model.bin not found in sw-cache.`);
}
const file = await response.blob();
performance.mark('end-sw-cache-restore');
const mark = performance.measure(
'sw-cache-restore',
'start-sw-cache-restore',
'end-sw-cache-restore'
);
console.log(mark.name, mark.duration.toFixed(2));
console.log('Cached model file found in sw-cache.');
return file;
} catch (err) {
throw err;
}
};
API Origin Private File System
Le système de fichiers privés d'origine (OPFS) est une norme relativement récente pour les points de terminaison de stockage. Elle est limitée à l'origine de la page et n'est donc pas visible par l'utilisateur, contrairement au système de fichiers standard. Il donne accès à un fichier spécial hautement optimisé pour les performances et offre un accès en écriture à son contenu.
Par exemple, voici comment stocker et restaurer un fichier de modèle dans OPFS.
const storeFileInOPFS = async (blob) => {
try {
performance.mark('start-opfs-cache');
const root = await navigator.storage.getDirectory();
const handle = await root.getFileHandle('model.bin', { create: true });
const writable = await handle.createWritable();
await blob.stream().pipeTo(writable);
performance.mark('end-opfs-cache');
const mark = performance.measure(
'opfs-cache',
'start-opfs-cache',
'end-opfs-cache'
);
console.log('Model file cached in OPFS.', mark.name, mark.duration.toFixed(2));
} catch (err) {
console.error(err.name, err.message);
}
};
const restoreFileFromOPFS = async () => {
try {
performance.mark('start-opfs-restore');
const root = await navigator.storage.getDirectory();
const handle = await root.getFileHandle('model.bin');
const file = await handle.getFile();
performance.mark('end-opfs-restore');
const mark = performance.measure(
'opfs-restore',
'start-opfs-restore',
'end-opfs-restore'
);
console.log('Cached model file found in OPFS.', mark.name, mark.duration.toFixed(2));
return file;
} catch (err) {
throw err;
}
};
API IndexedDB
IndexedDB est une norme bien établie pour le stockage de données arbitraires de manière persistante dans le navigateur. Elle est tristement connue pour son API quelque peu complexe, mais en utilisant une bibliothèque de wrappers telle que idb-keyval, vous pouvez traiter IndexedDB comme un magasin de paires clé-valeur classique.
Exemple :
import { get, set } from 'https://cdn.jsdelivr.net/npm/idb-keyval@latest/+esm';
const storeFileInIDB = async (blob) => {
try {
performance.mark('start-idb-cache');
await set('model.bin', blob);
performance.mark('end-idb-cache');
const mark = performance.measure(
'idb-cache',
'start-idb-cache',
'end-idb-cache'
);
console.log('Model file cached in IDB.', mark.name, mark.duration.toFixed(2));
} catch (err) {
console.error(err.name, err.message);
}
};
const restoreFileFromIDB = async () => {
try {
performance.mark('start-idb-restore');
const file = await get('model.bin');
if (!file) {
throw new Error('File model.bin not found in IDB.');
}
performance.mark('end-idb-restore');
const mark = performance.measure(
'idb-restore',
'start-idb-restore',
'end-idb-restore'
);
console.log('Cached model file found in IDB.', mark.name, mark.duration.toFixed(2));
return file;
} catch (err) {
throw err;
}
};
Marquer le stockage comme persistant
Appelez navigator.storage.persist()
à la fin de l'une de ces méthodes de mise en cache pour demander l'autorisation d'utiliser le stockage persistant. Cette méthode renvoie une promesse qui renvoie vers true
si l'autorisation est accordée, et false
dans le cas contraire. Le navigateur peut ou non répondre à la requête, en fonction des règles spécifiques à chaque navigateur.
if ('storage' in navigator && 'persist' in navigator.storage) {
try {
const persistent = await navigator.storage.persist();
if (persistent) {
console.log("Storage will not be cleared except by explicit user action.");
return;
}
console.log("Storage may be cleared under storage pressure.");
} catch (err) {
console.error(err.name, err.message);
}
}
Cas particulier: utiliser un modèle sur un disque dur
Vous pouvez référencer des modèles d'IA directement à partir du disque dur de l'utilisateur au lieu de le stocker sur un navigateur. Cette technique peut aider les applications axées sur la recherche à démontrer la possibilité d'exécuter des modèles donnés dans le navigateur ou permettre aux artistes d'utiliser des modèles auto-entraînés dans des applications de créativité spécialisées.
API File System Access
L'API File System Access vous permet d'ouvrir des fichiers à partir du disque dur et d'obtenir un FileSystemFileHandle que vous pouvez conserver dans IndexedDB.
Avec ce modèle, l'utilisateur n'a besoin d'accorder l'accès au fichier de modèle qu'une seule fois. Grâce aux autorisations persistantes, l'utilisateur peut choisir d'accorder l'accès au fichier de manière permanente. Après avoir actualisé l'application et un geste utilisateur requis, tel qu'un clic de souris, FileSystemFileHandle
peut être restauré à partir d'IndexedDB avec un accès au fichier sur le disque dur.
Les autorisations d'accès aux fichiers sont interrogées et demandées si nécessaire, ce qui facilite les futures actualisations. L'exemple suivant montre comment obtenir un handle pour un fichier sur le disque dur, puis comment stocker et restaurer le handle.
import { fileOpen } from 'https://cdn.jsdelivr.net/npm/browser-fs-access@latest/dist/index.modern.js';
import { get, set } from 'https://cdn.jsdelivr.net/npm/idb-keyval@latest/+esm';
button.addEventListener('click', async () => {
try {
const file = await fileOpen({
extensions: ['.bin'],
mimeTypes: ['application/octet-stream'],
description: 'AI model files',
});
if (file.handle) {
// It's an asynchronous method, but no need to await it.
storeFileHandleInIDB(file.handle);
}
return file;
} catch (err) {
if (err.name !== 'AbortError') {
console.error(err.name, err.message);
}
}
});
const storeFileHandleInIDB = async (handle) => {
try {
performance.mark('start-file-handle-cache');
await set('model.bin.handle', handle);
performance.mark('end-file-handle-cache');
const mark = performance.measure(
'file-handle-cache',
'start-file-handle-cache',
'end-file-handle-cache'
);
console.log('Model file handle cached in IDB.', mark.name, mark.duration.toFixed(2));
} catch (err) {
console.error(err.name, err.message);
}
};
const restoreFileFromFileHandle = async () => {
try {
performance.mark('start-file-handle-restore');
const handle = await get('model.bin.handle');
if (!handle) {
throw new Error('File handle model.bin.handle not found in IDB.');
}
if ((await handle.queryPermission()) !== 'granted') {
const decision = await handle.requestPermission();
if (decision === 'denied' || decision === 'prompt') {
throw new Error(Access to file model.bin.handle not granted.');
}
}
const file = await handle.getFile();
performance.mark('end-file-handle-restore');
const mark = performance.measure(
'file-handle-restore',
'start-file-handle-restore',
'end-file-handle-restore'
);
console.log('Cached model file handle found in IDB.', mark.name, mark.duration.toFixed(2));
return file;
} catch (err) {
throw err;
}
};
Ces méthodes ne s'excluent pas mutuellement. Il peut arriver que vous mettiez explicitement en cache un modèle dans le navigateur et que vous utilisiez un modèle sur le disque dur d'un utilisateur.
Démonstration
Vous pouvez voir les trois méthodes de stockage de cas standards et la méthode de disque dur implémentée dans la démonstration LLM MediaPipe.
Bonus: Télécharger un fichier volumineux en fragments
Si vous devez télécharger un grand modèle d'IA depuis Internet, effectuez le téléchargement en parallèle en plusieurs fragments, puis assemblez-les à nouveau sur le client.
Voici une fonction d'assistance que vous pouvez utiliser dans votre code. Il vous suffit de lui transmettre le url
. chunkSize
(par défaut: 5 Mo), maxParallelRequests
(par défaut: 6), progressCallback
(qui génère des rapports sur le downloadedBytes
et le fileSize
total) et le signal
pour un signal AbortSignal
sont tous facultatifs.
Vous pouvez copier la fonction suivante dans votre projet ou installer le package fetch-in-chunks
à partir du package npm.
async function fetchInChunks(
url,
chunkSize = 5 * 1024 * 1024,
maxParallelRequests = 6,
progressCallback = null,
signal = null
) {
// Helper function to get the size of the remote file using a HEAD request
async function getFileSize(url, signal) {
const response = await fetch(url, { method: 'HEAD', signal });
if (!response.ok) {
throw new Error('Failed to fetch the file size');
}
const contentLength = response.headers.get('content-length');
if (!contentLength) {
throw new Error('Content-Length header is missing');
}
return parseInt(contentLength, 10);
}
// Helper function to fetch a chunk of the file
async function fetchChunk(url, start, end, signal) {
const response = await fetch(url, {
headers: { Range: `bytes=${start}-${end}` },
signal,
});
if (!response.ok && response.status !== 206) {
throw new Error('Failed to fetch chunk');
}
return await response.arrayBuffer();
}
// Helper function to download chunks with parallelism
async function downloadChunks(
url,
fileSize,
chunkSize,
maxParallelRequests,
progressCallback,
signal
) {
let chunks = [];
let queue = [];
let start = 0;
let downloadedBytes = 0;
// Function to process the queue
async function processQueue() {
while (start < fileSize) {
if (queue.length < maxParallelRequests) {
let end = Math.min(start + chunkSize - 1, fileSize - 1);
let promise = fetchChunk(url, start, end, signal)
.then((chunk) => {
chunks.push({ start, chunk });
downloadedBytes += chunk.byteLength;
// Update progress if callback is provided
if (progressCallback) {
progressCallback(downloadedBytes, fileSize);
}
// Remove this promise from the queue when it resolves
queue = queue.filter((p) => p !== promise);
})
.catch((err) => {
throw err;
});
queue.push(promise);
start += chunkSize;
}
// Wait for at least one promise to resolve before continuing
if (queue.length >= maxParallelRequests) {
await Promise.race(queue);
}
}
// Wait for all remaining promises to resolve
await Promise.all(queue);
}
await processQueue();
return chunks.sort((a, b) => a.start - b.start).map((chunk) => chunk.chunk);
}
// Get the file size
const fileSize = await getFileSize(url, signal);
// Download the file in chunks
const chunks = await downloadChunks(
url,
fileSize,
chunkSize,
maxParallelRequests,
progressCallback,
signal
);
// Stitch the chunks together
const blob = new Blob(chunks);
return blob;
}
export default fetchInChunks;
Choisissez la méthode qui vous convient
Ce guide a exploré différentes méthodes permettant de mettre en cache efficacement les modèles d'IA dans le navigateur, une tâche essentielle pour améliorer l'expérience utilisateur et les performances de votre application. L'équipe Chrome chargée du stockage recommande l'API Cache pour des performances optimales, afin de garantir un accès rapide aux modèles d'IA, de réduire les temps de chargement et d'améliorer la réactivité.
OPFS et IndexedDB sont des options moins utilisables. Les API OPFS et IndexedDB doivent sérialiser les données avant de pouvoir les stocker. IndexedDB doit également désérialiser les données lors de leur récupération, ce qui en fait le pire endroit pour stocker des modèles volumineux.
Pour les applications de niche, l'API File System Access offre un accès direct aux fichiers sur l'appareil d'un utilisateur, ce qui est idéal pour les utilisateurs qui gèrent leurs propres modèles d'IA.
Si vous devez sécuriser votre modèle d'IA, conservez-le sur le serveur. Une fois stockées sur le client, il est facile d'extraire les données du cache et de la base de données IndexedDB à l'aide des outils de développement ou de l'extension des outils de développement OFPS. Par nature, ces API de stockage sont les mêmes en termes de sécurité. Vous serez peut-être tenté de stocker une version chiffrée du modèle, mais vous devrez ensuite obtenir la clé de déchiffrement du client, qui pourrait être interceptée. Cela signifie que la tentative d'un acteur malintentionné de voler votre modèle est légèrement plus difficile, mais pas impossible.
Nous vous encourageons à choisir une stratégie de mise en cache conforme aux exigences de votre application, au comportement de l'audience cible et aux caractéristiques des modèles d'IA utilisés. Cela garantit que vos applications sont réactives et robustes dans diverses conditions de réseau et contraintes système.
Remerciements
Ce commentaire a été examiné par Joshua Bell, Reilly Grant, Evan Stade, Nathan Memmott, Austin Sullivan, Étienne Noël, André Bandarra, Alexandra Klepper, François Beaufort, Paul Kinlan et Rachel Andrew.