Armazenar modelos de IA em cache no navegador

A maioria dos modelos de IA tem pelo menos uma coisa em comum: bastante grande para um recurso que é transferidos pela Internet. O menor modelo de detecção de objetos do MediaPipe (SSD MobileNetV2 float16) pesa 5,6 MB e o maior tem cerca de 25 MB.

O LLM de código aberto gemma-2b-it-gpu-int4.bin tem 1,35 GB, o que é considerado muito baixo para um LLM. Os modelos de IA generativa podem ser enormes. É por isso que a IA é usada muito hoje em dia. na nuvem. Cada vez mais, os apps executam modelos altamente otimizados diretamente no dispositivo. Enquanto demonstrações de LLMs em execução no navegador existem, aqui estão alguns exemplos no nível de produção de outros modelos em execução no navegador:

Adobe Photoshop para Web com a ferramenta de seleção de objetos com tecnologia de IA aberta e três objetos selecionados: duas girafas e uma lua.

Para tornar os lançamentos futuros dos aplicativos mais rápidos, armazene explicitamente em cache os dados do modelo no dispositivo, em vez de depender do navegador HTTP implícito cache.

Embora este guia use gemma-2b-it-gpu-int4.bin model para criar um chatbot, a abordagem pode ser generalizada para se adequar a outros modelos e outros casos de uso no dispositivo. A maneira mais comum de conectar um aplicativo a um modelo é disponibilizar o com o restante dos recursos do app. É crucial otimizar entrega.

Configurar os cabeçalhos de cache corretos

Se você veicula modelos de IA do seu servidor, é importante configurar Cache-Control cabeçalho. O exemplo a seguir mostra uma configuração padrão sólida, que você pode criar para as necessidades do seu app.

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

Cada versão lançada de um modelo de IA é um recurso estático. Conteúdo que nunca as mudanças devem receber um tempo max-age combinado com impedimento de cache no URL da solicitação. Se precisar atualizar o modelo, dê um novo URL.

Quando o usuário recarrega a página, o cliente envia uma solicitação de revalidação, mesmo embora o servidor saiba que o conteúdo é estável. A immutable indica explicitamente que a revalidação é desnecessária, pois a do conteúdo não muda. A diretiva immutable é sem suporte por navegadores e cache intermediário ou servidores proxy, mas também combiná-lo com o diretiva max-age universalmente entendida, você garante o máximo compatibilidade. O public A diretiva de resposta indica que a resposta pode ser armazenada em um cache compartilhado.

O Chrome DevTools mostra a produção Cache-Control cabeçalhos enviados pelo Hugging Face ao solicitar um modelo de IA. (fonte).

Armazenar modelos de IA em cache do lado do cliente

Ao disponibilizar um modelo de IA, é importante armazená-lo explicitamente em cache navegador. Isso garante que os dados do modelo estejam prontamente disponíveis após a atualização do usuário o app.

Existem diversas técnicas para conseguir isso. Para os seguintes das amostras de código, presuma que cada arquivo de modelo está armazenado em um Objeto Blob chamado blob na memória.

Para entender o desempenho, cada exemplo de código é anotado com os performance.mark() e a performance.measure() métodos. Essas medidas dependem do dispositivo e não podem ser generalizadas.

No Aplicativo do Chrome DevTools > Armazenamento: revisar Diagrama de uso com segmentos para IndexedDB, armazenamento em cache e sistema de arquivos. Cada segmento é mostrado para consumir 1.354 megabytes de dados, o que totaliza 4.063 megabytes.

É possível usar uma das seguintes APIs para armazenar modelos de IA em cache no navegador: API Cache, a a API Origin Private File System API IndexedDB. A recomendação geral é usar API Cache, mas este guia discute as vantagens e desvantagens do todas as opções.

API Cache

A API Cache fornece armazenamento permanente para Request e o objeto Response que são armazenados em cache na memória de longa duração. Embora seja definido na especificação Service Workers, é possível usar essa API na linha de execução principal ou em um worker normal. Para usar fora de contexto de um service worker, chame o método Método Cache.put() com um objeto Response sintético, pareado com um URL sintético em vez de um Request.

Este guia pressupõe um blob na memória. Usar um URL falso como chave de cache e uma Response sintético com base no blob. Se você fizer o download direto você usaria o Response que receberia ao criar uma fetch() solicitação.

Por exemplo, saiba como armazenar e restaurar um arquivo modelo com a 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

O sistema de arquivos particular de origem (OPFS) é um padrão comparativamente jovem para endpoint de armazenamento do Google Cloud. É privado para a origem da página e, portanto, está invisível para o usuário, ao contrário do sistema de arquivos normal. Ele dá acesso a um serviço altamente otimizado para desempenho e que oferece acesso de gravação aos conteúdo.

Por exemplo, veja como armazenar e restaurar um arquivo de modelo no 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 é um padrão bem estabelecido para armazenar dados arbitrários de maneira persistente no navegador. É conhecido por sua API um tanto complexa, mas usando Uma biblioteca de wrapper, como idb-keyval é possível tratar o IndexedDB como um repositório clássico de chave-valor.

Exemplo:

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;
  }
};

Marcar armazenamento como mantido

Chamar navigator.storage.persist() ao final de qualquer um desses métodos de armazenamento em cache para solicitar permissão para usar armazenamento permanente. Esse método retorna uma promessa que é resolvida como true se permissão seja concedida e false caso contrário. O navegador pode ou não atender à solicitação, dependendo das regras específicas do navegador.

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);
  }
}

Caso especial: usar um modelo em um disco rígido

Como alternativa, é possível referenciar modelos de IA diretamente no disco rígido do usuário ao armazenamento do navegador. Essa técnica pode ajudar os apps focados em pesquisa a mostrar a viabilidade de execução de certos modelos no navegador ou permitir que os artistas usem modelos autotreinados em apps especializados de criatividade.

API File System Access

Com a API File System Access, você pode abrir arquivos do disco rígido e obter uma FileSystemFileHandle que podem ser mantidas no IndexedDB.

Com esse padrão, o usuário só precisa conceder acesso ao arquivo do modelo uma vez. Graças às permissões persistentes, o usuário poderá optar por conceder acesso permanente ao arquivo. Depois de recarregar o e um gesto do usuário necessário, como um clique do mouse, o FileSystemFileHandle pode ser restaurado do IndexedDB com acesso ao arquivo no disco rígido.

As permissões de acesso aos arquivos são consultadas e solicitadas, se necessário, o que torna sem problemas para atualizações futuras. O exemplo a seguir mostra como receber para um arquivo do disco rígido e, em seguida, armazenar e restaurar o identificador.

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;
  }
};

Esses métodos não são mutuamente exclusivos. Pode haver um caso em que vocês dois armazenar em cache explicitamente um modelo no navegador e usar um modelo do disco rígido do usuário.

Demonstração

É possível conferir os três métodos de armazenamento de casos regulares e o método do disco rígido implementados na demonstração do LLM do MediaPipe.

Bônus: faça o download de um arquivo grande em pedaços

Se você precisar fazer o download de um modelo grande de IA da Internet, carregue o fazer o download em partes separadas e juntar novamente no cliente.

Confira uma função auxiliar que pode ser usada no código. Você só precisa transmitir para o url. O chunkSize (padrão: 5 MB), o maxParallelRequests (padrão: 6), a função progressCallback (que gera relatórios sobre downloadedBytes e o fileSize total) e o signal para um O indicador AbortSignal é opcional.

Você pode copiar a seguinte função no seu projeto ou Instale o pacote fetch-in-chunks pelo pacote npm (em inglês).

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;

Escolha o método ideal para você

Este guia explorou vários métodos para armazenar em cache modelos de IA de maneira eficaz no navegador, uma tarefa crucial para melhorar a experiência do usuário e a o desempenho do seu app. A equipe de armazenamento do Chrome recomenda a API Cache para desempenho ideal, para garantir acesso rápido aos modelos de IA, reduzindo o tempo de carregamento e melhorando a capacidade de resposta.

O OPFS e o IndexedDB são opções menos utilizáveis. As APIs OPFS e IndexedDB precisa serializar os dados antes de armazená-los. O IndexedDB também precisa desserializar os dados quando eles forem recuperados, tornando-os o pior lugar para armazenar modelos grandes.

Para aplicativos de nicho, a API File System Access oferece acesso direto a arquivos no dispositivo do usuário, ideal para usuários que gerenciam os próprios modelos de IA.

Se você precisar proteger seu modelo de IA, mantenha-o no servidor. Uma vez armazenados no cliente, é trivial extrair os dados do Cache e do IndexedDB com DevTools ou a extensão OFPS DevTools. Essas APIs de armazenamento são inerentemente iguais em segurança. Talvez você fique tentado a uma versão criptografada do modelo, mas depois você precisa receber a descriptografia para o cliente, que pode ser interceptada. Isso significa que uma pessoa mal-intencionada roubar seu modelo é um pouco mais difícil, mas não impossível.

Recomendamos que você escolha uma estratégia de armazenamento em cache compatível com a de IA, comportamento do público-alvo e características dos modelos de IA usados. Isso garante que seus aplicativos sejam responsivos e robustos em diversas condições da rede e restrições do sistema.


Agradecimentos

Isso foi revisado por Joshua Bell, Reilly Grant, Evan Stade, Nathan Memmott, Austin Sullivan, Etienne Noël, André Bandarra, Alexandra Klepper François Beaufort, Paul Kinlan e Rachel Andrew.