Meng-cache model AI di browser

Sebagian besar model AI memiliki satu kesamaan: ukurannya cukup besar untuk resource yang ditransfer melalui Internet. Model deteksi objek MediaPipe terkecil (SSD MobileNetV2 float16) berukuran 5,6 MB dan yang terbesar berukuran sekitar 25 MB.

LLM open source gemma-2b-it-gpu-int4.bin berukuran 1,35 GB—dan ini dianggap sangat kecil untuk LLM. Model AI generatif bisa sangat besar. Itulah sebabnya banyak penggunaan AI saat ini terjadi di cloud. Semakin banyak aplikasi yang menjalankan model yang dioptimalkan secara langsung di perangkat. Meskipun demo LLM yang berjalan di browser ada, berikut beberapa contoh model lain tingkat produksi yang berjalan di browser:

Adobe Photoshop di web dengan alat pemilihan objek yang didukung AI terbuka, dengan tiga objek yang dipilih: dua jerapah dan bulan.

Agar peluncuran aplikasi di masa mendatang lebih cepat, Anda harus menyimpan cache data model secara eksplisit di perangkat, bukan mengandalkan cache browser HTTP implisit.

Meskipun panduan ini menggunakan gemma-2b-it-gpu-int4.bin model untuk membuat chatbot, pendekatan ini dapat digeneralisasi agar sesuai dengan model lain dan kasus penggunaan lainnya di perangkat. Cara paling umum untuk menghubungkan aplikasi ke model adalah dengan menayangkan model bersama dengan resource aplikasi lainnya. Penting untuk mengoptimalkan pengiriman.

Mengonfigurasi header cache yang tepat

Jika Anda menayangkan model AI dari server, Anda harus mengonfigurasi header Cache-Control yang benar. Contoh berikut menunjukkan setelan default yang solid, yang dapat Anda build untuk kebutuhan aplikasi.

Cache-Control: public, max-age=31536000, immutable

Setiap versi model AI yang dirilis adalah resource statis. Konten yang tidak pernah berubah harus diberi max-age yang panjang dan digabungkan dengan cache busting di URL permintaan. Jika perlu memperbarui model, Anda harus memberinya URL baru.

Saat pengguna memuat ulang halaman, klien akan mengirim permintaan validasi ulang, meskipun server mengetahui bahwa konten tersebut stabil. Perintah immutable secara eksplisit menunjukkan bahwa validasi ulang tidak diperlukan, karena konten tidak akan berubah. Perintah immutable tidak didukung secara luas oleh browser dan server proxy atau cache perantara, tetapi dengan menggabungkannya dengan perintah max-age yang dipahami secara universal, Anda dapat memastikan kompatibilitas maksimum. Perintah respons public menunjukkan bahwa respons dapat disimpan dalam cache bersama.

Chrome DevTools menampilkan header Cache-Control produksi yang dikirim oleh Hugging Face saat meminta model AI. (Sumber)

Menyimpan model AI sisi klien ke cache

Saat Anda menayangkan model AI, penting untuk menyimpan model secara eksplisit dalam browser. Hal ini memastikan data model tersedia setelah pengguna memuat ulang aplikasi.

Ada sejumlah teknik yang dapat Anda gunakan untuk mencapai hal ini. Untuk contoh kode berikut, asumsikan setiap file model disimpan dalam objek Blob bernama blob di memori.

Untuk memahami performa, setiap contoh kode dianotasi dengan metode performance.mark() dan performance.measure(). Pengukuran ini bergantung pada perangkat dan tidak dapat digeneralisasi.

Di Chrome DevTools Application > Storage, tinjau diagram penggunaan dengan segmen untuk IndexedDB, penyimpanan Cache, dan Sistem File. Setiap segmen ditampilkan menggunakan data sebesar 1.354 megabyte, yang totalnya mencapai 4.063 megabyte.

Anda dapat memilih untuk menggunakan salah satu API berikut untuk meng-cache model AI di browser: Cache API, Origin Private File System API, dan IndexedDB API. Rekomendasi umum adalah menggunakan Cache API, tetapi panduan ini membahas kelebihan dan kekurangan semua opsi.

Cache API

Cache API menyediakan penyimpanan persisten untuk pasangan objek Request dan Response yang di-cache dalam memori yang berumur panjang. Meskipun ditentukan dalam spesifikasi Pekerja Layanan, Anda dapat menggunakan API ini dari thread utama atau pekerja reguler. Untuk menggunakannya di luar konteks pekerja layanan, panggil metode Cache.put() dengan objek Response sintetis, yang disambungkan dengan URL sintetis, bukan objek Request.

Panduan ini mengasumsikan blob dalam memori. Gunakan URL palsu sebagai kunci cache dan Response sintetis berdasarkan blob. Jika Anda ingin mendownload model secara langsung, Anda akan menggunakan Response yang akan Anda dapatkan dari membuat permintaan fetch().

Misalnya, berikut cara menyimpan dan memulihkan file model dengan Cache API.

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;
  }
};

Origin Private File System API

Origin Private File System (OPFS) adalah standar yang relatif baru untuk endpoint penyimpanan. Sistem ini bersifat pribadi untuk asal halaman, sehingga tidak terlihat oleh pengguna, tidak seperti sistem file reguler. API ini memberikan akses ke file khusus yang sangat dioptimalkan untuk performa dan menawarkan akses tulis ke kontennya.

Misalnya, berikut cara menyimpan dan memulihkan file model di 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;
  }
};

IndexedDB API

IndexedDB adalah standar yang sudah mapan untuk menyimpan data arbitrer secara persisten di browser. IndexedDB dikenal karena API-nya yang agak rumit, tetapi dengan menggunakan library wrapper seperti idb-keyval, Anda dapat memperlakukan IndexedDB seperti penyimpanan nilai kunci klasik.

Contoh:

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;
  }
};

Menandai penyimpanan sebagai dipertahankan

Panggil navigator.storage.persist() di akhir salah satu metode penyimpanan dalam cache ini untuk meminta izin guna menggunakan penyimpanan persisten. Metode ini menampilkan promise yang me-resolve ke true jika izin diberikan, dan false jika tidak. Browser mungkin memenuhi atau tidak memenuhi permintaan, bergantung pada aturan khusus browser.

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);
  }
}

Kasus khusus: Menggunakan model di hard disk

Anda dapat mereferensikan model AI langsung dari hard disk pengguna sebagai alternatif penyimpanan browser. Teknik ini dapat membantu aplikasi yang berfokus pada riset menunjukkan kelayakan menjalankan model tertentu di browser, atau memungkinkan seniman menggunakan model yang dilatih sendiri di aplikasi kreativitas pakar.

File System Access API

Dengan File System Access API, Anda dapat membuka file dari hard disk dan mendapatkan FileSystemFileHandle yang dapat dipertahankan ke IndexedDB.

Dengan pola ini, pengguna hanya perlu memberikan akses ke file model sekali. Berkat izin yang dipertahankan, pengguna dapat memilih untuk memberikan akses ke file secara permanen. Setelah memuat ulang aplikasi dan gestur pengguna yang diperlukan, seperti klik mouse, FileSystemFileHandle dapat dipulihkan dari IndexedDB dengan akses ke file di hard disk.

Izin akses file dikueri dan diminta jika diperlukan, sehingga proses ini berjalan lancar untuk pemuatan ulang pada masa mendatang. Contoh berikut menunjukkan cara mendapatkan handle untuk file dari hard disk, lalu menyimpan dan memulihkan 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;
  }
};

Metode ini tidak saling eksklusif. Mungkin ada kasus saat Anda secara eksplisit menyimpan model dalam cache di browser dan menggunakan model dari hard disk pengguna.

Demo

Anda dapat melihat ketiga metode penyimpanan kasus reguler dan metode hard disk yang diterapkan dalam demo LLM MediaPipe.

Bonus: Mendownload file besar dalam beberapa bagian

Jika Anda perlu mendownload model AI besar dari Internet, paralelkan download ke dalam beberapa bagian terpisah, lalu gabungkan lagi di klien.

Berikut adalah fungsi bantuan yang dapat Anda gunakan dalam kode. Anda hanya perlu meneruskan url. chunkSize (default: 5 MB), maxParallelRequests (default: 6), fungsi progressCallback (yang melaporkan tentang downloadedBytes dan total fileSize), dan signal untuk sinyal AbortSignal semuanya bersifat opsional.

Anda dapat menyalin fungsi berikut dalam project atau menginstal paket fetch-in-chunks dari paket 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;

Memilih metode yang tepat untuk Anda

Panduan ini telah mempelajari berbagai metode untuk menyimpan model AI secara efektif di browser, tugas yang sangat penting untuk meningkatkan pengalaman pengguna dan performa aplikasi Anda. Tim penyimpanan Chrome merekomendasikan Cache API untuk performa yang optimal, guna memastikan akses cepat ke model AI, mengurangi waktu pemuatan, dan meningkatkan responsivitas.

OPFS dan IndexedDB adalah opsi yang kurang dapat digunakan. OPFS dan IndexedDB API harus melakukan serialisasi data sebelum dapat disimpan. IndexedDB juga perlu melakukan deserialisasi data saat diambil, sehingga menjadikannya tempat terburuk untuk menyimpan model besar.

Untuk aplikasi khusus, File System Access API menawarkan akses langsung ke file di perangkat pengguna, yang ideal untuk pengguna yang mengelola model AI mereka sendiri.

Jika Anda perlu mengamankan model AI, simpan model tersebut di server. Setelah disimpan di klien, mengekstrak data dari Cache dan IndexedDB dengan DevTools atau ekstensi DevTools OFPS sangat mudah. API penyimpanan ini pada dasarnya memiliki keamanan yang sama. Anda mungkin tergoda untuk menyimpan versi model terenkripsi, tetapi Anda harus mendapatkan kunci dekripsi ke klien, yang dapat disadap. Artinya, upaya pelaku kejahatan untuk mencuri model Anda sedikit lebih sulit, tetapi bukan tidak mungkin.

Sebaiknya pilih strategi penyimpanan dalam cache yang sesuai dengan persyaratan aplikasi, perilaku target audiens, dan karakteristik model AI yang digunakan. Hal ini memastikan aplikasi Anda responsif dan andal dalam berbagai kondisi jaringan dan batasan sistem.


Ucapan terima kasih

Artikel ini ditinjau oleh Joshua Bell, Reilly Grant, Evan Stade, Nathan Memmott, Austin Sullivan, Etienne Noël, André Bandarra, Alexandra Klepper, François Beaufort, Paul Kinlan, dan Rachel Andrew.