तेज GAPI कार्यान्वयन आसान MMT के एपीआई की नक़ल करता है (http://smt.com/ULLMT) एक बढ़िया लेकिन तंत्रिका-क्रम परियोजना छोड़ देता है.
लेकिन मैंने इतने सारे अच्छे गुण जोड़ लिए हैं भरोसेमंदता बढ़ाने के लिए और इसे एक उत्पादन प्रणाली में उपयोग के लिए तैयार बनाने के लिए।तेज अनुवाद स्वयं होस्टित सोचो...).
इस ब्लॉग का प्रारंभ होने से, एक बड़ा जुनून ब्लॉग स्वचलित रूप से ब्लॉग्स प्राप्त कर रहा है.
YEES मैं जानता हूँ कि 'Goole यह ब्राउज़र में करता है ... ... लेकिन कि बिंदु नहीं है.mostlylucid-nmtमैं जानना चाहता था कि यह कैसे करें!
इसके अलावा यह उन लोगों का स्वागत करने के लिए अच्छा है जो अंग्रेजी नहीं पढ़ते (तब भी अगर वे अंग्रेज़ी को दूसरी भाषा के रूप में पढ़ते हैं, तो यह विचार करना मुश्किल है).इसलिए मैंने यह काम किया, साथ ही इस तरह की व्यवस्था को बनाने में हिस्सा लेना ।ओह और यह मुझे सुझाव दिया कि कैसे इसे सी.
परेशान रहनामहत्त्वपूर्ण रूप से; मनुष्य बकवास का पाठ लिखता है जो मशीनों को कुशलता से काम करने के लिए शोर मचा रहा है.
सो बहुत सारे लोगों को यह पता चल गया था कि आसानNMT (यह वास्तव में एक शोध परियोजना कभी थी) के आसपास कैसे कार्य करना है।
आईपूरा तंत्र लिखा हैhttp://<server>:<port>/demoकि एक अद्भुत परियोजना के साथ ऐसा करने के लिए आसान MNMT कहा जाता है।
यह एक सरल, बिना किसी सेवा के भुगतान की जरूरत के लिए एक अनुवाद एपीआई प्राप्त करने के लिए त्वरित तरीका है या पूर्ण आकार की एक पूर्ण मात्रा में भाग लेने के लिए अनुवाद (धीमा रूप से).
**लेकिन जैसे - जैसे समय बीता, दरारें दिखाने लगीं ।**यह कुछ बेहतर करने के लिए समय था.
**हमेशा के रूप में यह सब GiHh पर है और सभी को उपयोग करने के लिए मुक्त...**डॉक ले-आउट
Reusing loaded model for en->de (3/10 models in cache)Need to load model for en->fr (3/10 models in cache)गुरू अद्यतन (v3. 1) - प्रत्यक्ष व दृश्यताv3 में नया:
====================================================================================================
🚀 DOWNLOADING MODEL
Model: facebook/mbart-large-50-many-to-many-mmt
Family: mbart50
Direction: en → bn
Device: GPU (cuda:0)
Total Size: 2.46 GB
Files: 6 main files
====================================================================================================
[Progress bars for each file...]
====================================================================================================
✅ MODEL READY
Model: facebook/mbart-large-50-many-to-many-mmt
Translation: en → bn is now available
====================================================================================================
**: डिफ़ॉल्ट कैश आकार 10 मॉडलों में ( 6 से)**पर- संपूर्ण उपकरण लॉगिंग
[Pivot] Languages reachable from en: 85 languages
[Pivot] Languages that can reach bn: 42 languages
[Pivot] Found 38 possible pivot languages
[Pivot] Selected pivot: en → hi → bn (both legs verified)
ध्वज में लक्ष्य उपकरण (जीपीयू/ सीपीपीयू) दिखाता हैप्रगति पट्टी
Request: en→bn with opus-mt
Trying families: ['opus-mt', 'mbart50', 'm2m100'] ✓ All three!
opus-mt: Failed (model doesn't exist)
mbart50: Success! (auto-fallback worked)
डाटा- ड्राइव इग्नॉमी चयन- अब और कोई अंधा प्रयास नहीं:
Loading mbart50 model on GPU (cuda:0)Model loaded on device: cuda:0Successfully loaded... on GPU (cuda:0)**: अगर ईमेल उपलब्ध नहीं है तो दर्ज न करें BAR**SSLSUPE (S) के लिए उदाहरण
en->hi, hi->bn[Pivot] Both legs loaded and cached. Ready to translate.: देखिए कि क्यों हर पिक्चर चुना गया या छोड़ दिया गया4.
model_familyहमेशा चेकर्स की कोशिश करता है: एक ही मॉडल को दो बार फिर बदलने की कोशिश नहीं कर रहाउदाहरण प्रवाह
**सफल संदेश इसमें शामिल है:**6.
**- पहले से ही डेमो में काम करता है:**डेमो ड्रॉपेज़ द्वारा चुनने की अनुमति देता है थिऑप्टस, mbt50, या m210100
requirements-prod.txtउन्नत डेमो पृष्ठ**- उत्पादात्मक इंटरफेस:**उन्नत अनुवाद अनुभव के लिए पूरा व्यूपोर्ट खाका (100वी/100वीप)
**: FP16 सक्षम किया गया है, BATHITH/64, MAX_BAR_FLLCH1 (एक ही गापिपीयू के लिए सरल)**सीपीयू
**- छोटा, तेजी से छवियाँ:**निर्माण से जाँच निर्भरता को मिटाया जा रहा है.
फिर से जाँच करें (L)- सबकुछ पुष्टि करें:
ट्रैफिक पैटर्न के साथक्रास- कम्प्लीशन स्क्रिप्टGenericName
/discover/opus-mt(स्टिंदल + बा)/discover/mbart50मॉडल डाउनलोड करने और कम्प्लीशन अनुवादच करने के लिए जाँच/discover/m2m100तुरंत वैध करने के लिए धूम्रपान जाँच स्वचालित करें**5.**डेकोमेंट दस्तावेज़ीकरण
सेवर्स PVC, संसाधन सीमा, स्वास्थ्य जाँच के साथ प्रकट होता हैएक्जेंज कंटेनर उदाहरण
scottgal/mostlylucid-nmt:cpuदेखने की सलाहें लोड करें तथा मुक़र्रर करने की सलाह को लोड करें:latestलेन- देन के माध्यम से अप्रचलता वी.scottgal/mostlylucid-nmt:cpu-min6.scottgal/mostlylucid-nmt:gpuतीन मॉडल परिवारscottgal/mostlylucid-nmt:gpu-min- अपनी जरूरतों के लिए सबसे अच्छा चुनें:ऑपुस- एमटी: 1200+ जोड़े, उत्तम क्वालिटी (उदाहरण के लिए मॉडल)
latest, min, gpu, gpu-min: 50 भाषाएँ, एकल 2.4GB मॉडल, 2,450 जोड़े20250108.143022: 100 भाषाएँ, एकल 10, 1200 मॉडल, 9900 जोड़ेस्वतःफ़बैक- मैं समझदार रूप से सबसे अच्छा उपलब्ध मॉडल चयन:
- सभी mem50 जोड़े- सभी एम2M100 जोड़े
कोई पूर्व मॉडल लोड नहीं (अनुत्रित होने पर)
मॉडल परिवार का निर्माण किए बगैर स्विच करें10एकल डॉकer रेपोसिटरी
cpu(याlatest) | scottgal/mostlylucid-nmt:cpu) - सीपीयू
| cpu-min | scottgal/mostlylucid-nmt:cpu-min- सीपीयू न्यूनतम
| gpu | scottgal/mostlylucid-nmt:gpu- जीयूएडी 12.6 के साथ
| gpu-min | scottgal/mostlylucid-nmt:gpu-min- गायू अल्प**११.**सही संस्करण
ट्रैक करने के लिए पूर्ण OCI लेबल, तिथि बनाएं, और gititly करता है
docker run -d \
--name mostlylucid-nmt \
-p 8000:8000 \
scottgal/mostlylucid-nmt
12.
curl -X POST "http://localhost:8000/translate" \
-H "Content-Type: application/json" \
-d '{
"text": ["Hello, how are you?"],
"target_lang": "de"
}'
नवीनतम आधार छवियाँ
{
"translated": ["Hallo, wie geht es Ihnen?"],
"target_lang": "de",
"source_lang": "en",
"translation_time": 0.34
}
पायथन 3. 12-lsm
docker run -d \
--name mostlylucid-nmt \
--gpus all \
-p 8000:8000 \
-e EASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}' \
scottgal/mostlylucid-nmt:gpu
सीयूडी 12.6
USUPINATHA ढेर के लिए उबुन्टू 24. 04 के साथ
docker run -d \
--name mostlylucid-nmt \
-p 8000:8000 \
-v $HOME/model-cache:/models \
-e MODEL_CACHE_DIR=/models \
scottgal/mostlylucid-nmt:cpu-min
सीयूयूडी १२४ के साथ पिकण्ड
docker run -d `
--name mostlylucid-nmt `
-p 8000:8000 `
-v ${HOME}/model-cache:/models `
-e MODEL_CACHE_DIR=/models `
scottgal/mostlylucid-nmt:cpu-min
(एयूडी 12.6 बन्द के साथ संगत)
docker run -d ^
--name mostlylucid-nmt ^
-p 8000:8000 ^
-v %USERPROFILE%/model-cache:/models ^
-e MODEL_CACHE_DIR=/models ^
scottgal/mostlylucid-nmt:cpu-min
सभी डिपेंडेंसीज़ अद्यतन किया गया सुरक्षित संस्करण में
13
curl http://localhost:8000/healthz
स्थिर घोषणा चेतावनियाँ
मिटाई गई ट्रांसमिट्स_ COCTE (अब HF_ इनपुट का प्रयोग करते हुए)रूपांतरण करनेवालों के साथ स्वागत है v5त्वरित प्रारंभ (५ मिनट)
http://localhost:8000/demo/
यहाँ सबसे आसान तरीका है ज्यादातर को चलाने के लिए:
उपलब्ध डॉकर छवियाँ
IMTANT टैग पूर्ण छवि नाम अवैध है.
न्यूनतम छवियाँ
कंटेनर आकार छोटा रखना
NVIDIA डॉकर की जरूरत है:
स्वास्थ्य जाँच:
1 ..
// Example: Translating a 5000-word article
Input: Long article with multiple paragraphs
Step 1: Split by paragraphs (preserves structure)
→ Paragraph 1 (800 chars)
→ Paragraph 2 (1200 chars)
→ Paragraph 3 (600 chars)
...
Step 2: Group into ~1000 character chunks
→ Chunk 1: Paragraphs 1-2
→ Chunk 2: Paragraph 3-4
→ Chunk 3: Paragraphs 5-6
Step 3: Translate each chunk sequentially
→ Shows progress: "Translating chunk 1/3..."
→ Shows progress: "Translating chunk 2/3..."
→ Shows progress: "Translating chunk 3/3..."
Step 4: Reassemble with paragraph breaks
→ Final output: Complete translated article with preserved formatting
जीवन सेवा से बाहर की भाषा स्वचालित गुप्त है
किसी आकार के बड़े पाठ इनपुट को स्वचालित संभालता है
3
विस्तृत विकल्प:
वाक्य विभाजित करना:
रीयल- समय आंकड़े:
: खाली पाओफ्टिंग गलत/ त्रुटि
: 100 भाषाएँ, 9900 जोड़ा/demo/असल में देखें कि कौन सी भाषा जोड़ी अनुवाद से पहले उपलब्ध है
डेमो बुद्धि युक्त पाठ ग्राहक की ओर पलटता है:डेमो क्यों इस्तेमाल करें?जल्दी जाँचकोड संपादक बिना जाँच अनुवादभाषा जोड़े की उपलब्धता लागू करें
भिन्न आकार से अनुवाद गुणवत्ता की तुलना करें
पूरा ब्लॉग पोस्ट चिपकाएँ (5000+ शब्दों)डेमो स्वचालित रूप से उसे हल कर देता हैहर अनुवाद में प्रगति दिखाता है
भाषा पता लगाएँअज्ञात भाषा में पाठ चिपकाएँ"एक शब्द का पता लगाने के लिए" क्लिक करें
**कोई पीछे या कतार में नहीं.**बहुत से निवेदन भेजें और यह सिर्फ केल पर.MODEL_FAMILYकोई ब्लॉरवमेंटता नहीं है.
# Opus-MT (default, best quality)
MODEL_FAMILY=opus-mt
# mBART50 (50 languages, single model)
MODEL_FAMILY=mbart50
# M2M100 (100 languages, broadest coverage)
MODEL_FAMILY=m2m100
समाधान: सबसे अधिक विधि- nMTतो ... मैं एक नया और आसान आसान MMT बनाने का फैसला किया, अबअधिकतर- nmd- tud
MODEL_FAMILYयह क्या बेहतर बनाता है:opus-mtमल्टी- मॉडल परिवार समर्थनExeus- एमटी (हेलसिंकी- NLP) - डिफ़ॉल्ट
# Set primary to Opus-MT (best quality)
MODEL_FAMILY=opus-mt
AUTO_MODEL_FALLBACK=1
MODEL_FALLBACK_ORDER=opus-mt,mbart50,m2m100
# Request Ukrainian → French
# 1. Try Opus-MT first (not available)
# 2. Automatically fall back to mBART50 (available!)
# 3. Translation succeeds with mBART50
कवरेज:
300-00MB प्रति दिशा
# Enable auto-fallback (default: enabled)
AUTO_MODEL_FALLBACK=1
# Set fallback priority (default: opus-mt → mbart50 → m2m100)
MODEL_FALLBACK_ORDER="opus-mt,mbart50,m2m100"
# Disable for strict single-family mode
AUTO_MODEL_FALLBACK=0
उदाहरण:
-minमॉडल आकार:नुक़सान:
स्विच करना आसान है
सबसे शक्तिशाली नई विशेषताओं में से एक है
**यह कैसे काम करता है:**आपने प्राथमिक सेट किया
लाभ:
बहुत सी तैनाती का प्रबंधन किए बगैर १००+ भाषाओं का समर्थन करता है
पारदर्शी लॉगिंग:
मल्टी- लागू परिवार समर्थन
# NMT: Fits on a USB stick
du -sh model-cache/
2.5G model-cache/
# LLM: Needs serious storage
du -sh llama-models/
140G llama-models/
मॉडल खोज अंत- बिन्दु
संकेत?
एलआरयू मॉडल कैशिंग
आसानMM- API API
छोटी तैनातियों के लिए मात्रा-मित कैशों के बीच भिन्नताएँ.
अनुवाद के लिए क्यों नैटटी?
Input: "The API returns a 429 status code when rate limited."
NMT (Opus-MT): "Die API gibt einen 429-Statuscode zurück, wenn sie ratenbegrenzt ist."
(Accurate, preserves technical terms)
LLM (might do): "Die API sendet den Fehlercode 429, wenn zu viele Anfragen gestellt werden."
(Interprets rather than translates, adds context not in original)
यहाँ उत्पादन पर आधारित वास्तविकता चेक है:
GPT-4: प्रत्येक अनुरोध पर ३- १० सेकण्ड (एक्सविस्तीय + पीढ़ी)
GET-4 एपीआई**: 30-60 सेकण्ड**स्थानीय लाला 70B
ऑपस- एमटी (पर दिशा: 300-00MB)
MBART50 (सभी 50 भाषाएँ): 2. 4GBM2M100 (सभी 100 भाषाएँ): 2. 77
flowchart LR
A[HTTP Client] --> B[API Gateway]
B --> C[Translation Endpoint]
C --> D{Has Capacity?}
D -->|Yes| E[Translation Service]
D -->|No| F[Queue with 429]
F --> E
E --> G[Process Pipeline]
G --> H[Get Model from Cache]
H --> I[Translate]
I --> J[Return Response]
J --> A
बिली:
Retry-Afterलागत: $ - 20/ माह Vpp**NMT सामर्थ्य:**खास तौर पर अनुवाद करने के लिए प्रशिक्षणRetry-Afterरेगुलरिटी ( समान इनपुट = एक ही आउटपुट)
कोई प्रायोगिक इंजीनियरिंग आवश्यक नहीं
sequenceDiagram
participant Client
participant API
participant Queue
participant Translator
participant Cache
participant Model
Client->>API: POST /translate
API->>Queue: Acquire slot
alt Queue has space
Queue-->>API: Slot acquired
API->>Translator: Process translation
Translator->>Translator: Sanitize input
Translator->>Translator: Split sentences
Translator->>Translator: Chunk text
Translator->>Translator: Mask symbols
Translator->>Cache: Get model (en→de)
alt Cache hit
Cache-->>Translator: Return cached model
else Cache miss
Cache->>Model: Load from Hugging Face
Model-->>Cache: Pipeline loaded
Cache->>Cache: Evict old if at capacity
Cache-->>Translator: Return model
end
Translator->>Model: Translate batches
Model-->>Translator: Translations
Translator->>Translator: Unmask symbols
Translator->>Translator: Post-process
Translator-->>API: Translations
API->>Queue: Release slot
API-->>Client: 200 OK + translations
else Queue full
Queue-->>API: Overflow error
API-->>Client: 429 Too Many Requests\nRetry-After: X seconds
end
उदाहरण के लिए:
graph LR
A[Raw Input] --> B{Sanitize?}
B -->|Yes| C[Check Noise]
B -->|No| D[Split Sentences]
C -->|Is Noise| Z[Return Placeholder]
C -->|Valid| D
D --> E[Enforce Max Length]
E --> F[Chunk for Batching]
F --> G{Symbol Masking?}
G -->|Yes| H[Mask Digits/Punct/Emoji]
G -->|No| I[Translate]
H --> I
I --> J{Direct Model?}
J -->|Available| K[Direct Translation]
J -->|Not Available| L{Pivot Fallback?}
L -->|Yes| M[src→en→tgt]
L -->|No| Z
K --> N[Unmask Syis robust input handling. Here's what happens:
**Noise Detection:**
- Strips control characters (except \t, \n, \r)
- Checks minimum character count (default: 1)
- Calculates alphanumeric ratio (default: must be ≥20%)
- Rejects pure emoji, pure punctuation, or pure whitespace
**Symbol Masking:**
Why mask symbols? Translation models are trained on text, not emoji or special symbols. These can confuse them or get mangled. So we:
1. Extract all digits, punctuation, and emoji as contiguous runs
2. Replace them with sentinel tokens: `⟪MSK0⟫`, `⟪MSK1⟫`, etc.
3. Translate the masked text
4. Restore the original symbols in their positions
Example:
Input: "Hello 👋 world! Price: $99.99" जब हरेक का इस्तेमाल किया जाए (👋) (!) (:) ($99.99)
**Post-Processing:**
After translation, we remove "symbol loops" - repeated symbols that weren't in the source:
जब से NMT का प्रयोग करें (सबसे कम से कम- nont) तब इस्तेमाल करें: आपको लगातार, स्केल पर तेज अनुवाद की आवश्यकता है विषय- वस्तु (अनुप्रयोग या उच्च आवाज़)
### Sentence Splitting & Chunking
Long texts get split intelligently:
```mermaid
graph TD
A[Long Text] --> B[Split on . ! ? …]
B --> C{Sentence > 500 chars?}
C -->|Yes| D[Split on word boundaries]
C -->|No| E[Keep sentence]
D --> E
E --> F[Group into chunks ≤900 chars]
F --> G[Translate each chunk]
G --> H[Join with space]
आप तकनीकी सामग्री, कोड, संरचना डाटा का अनुवाद कर रहे हैं
आपको सृजनात्मक अनुकूलता की आवश्यकता है, शाब्दिक अनुवाद नहीं
stateDiagram-v2
[*] --> CheckCache
CheckCache --> CacheHit: Model exists
CheckCache --> CacheMiss: Model not loaded
CacheHit --> MoveToEnd: Update LRU order
MoveToEnd --> ReturnModel
CacheMiss --> CheckCapacity
CheckCapacity --> LoadModel: Space available
CheckCapacity --> EvictOldest: Cache full
EvictOldest --> MoveToCPU: Free VRAM
MoveToCPU --> ClearCUDA: torch.cuda.empty_cache()
ClearCUDA --> LoadModel
LoadModel --> AddToCache
AddToCache --> ReturnModel
ReturnModel --> [*]
कॉन्टेक्स्ट तथा सांस्कृतिक nining विषय गति से अधिक
(मेरा उपयोग), NMT स्पष्ट विजेता है:
# Semaphore limits concurrent translations
MAX_INFLIGHT = 1 # On GPU, 1 at a time for efficiency
MAX_QUEUE_SIZE = 1000 # Up to 1000 waiting
# When full:
# - Returns 429 Too Many Requests
# - Includes Retry-After header
# - Estimates wait time based on average duration
~ 30 मिनट में 100+ ब्लॉग पोस्टों को ~ में 12 भाषाओं में अनुवाद करता है (जीयूपीयू)
avg_duration = 2.5 seconds (tracked with EMA)
waiters = 100
slots = 1
estimated_wait = (100 / 1) * 2.5 = 250 seconds
clamped = min(250, 120) = 120 seconds
Retry-After: 120
सभी पोस्टों के पार सामान्य क्वालिटी
graph LR
A[Ukrainian Text] --> B{Direct uk→fr?}
B -->|Exists| C[Translate Directly]
B -->|Missing| D[Pivot via English]
D --> E[uk→en]
E --> F[en→fr]
F --> G[French Result]
C --> G
कुल सेटअप:
केवल गति भिन्न ही अनुवाद अनुवाद के अनुवाद के लिए केवल व्यावहारिक चुनाव बनाती है ।
NMT अनुवाद के लिए उद्देश्य, साधारण हार्डवेयर पर दौड़ता है, और 10100x तेजी से तेज है। यदि आपको तेजी से, RMM से की आवश्यकता होती है, RMT के अनुसार, कीमत पर कटौती, NMT हाथ जीतता है।
# src/core/cache.py
from collections import OrderedDict
import torch
class LRUPipelineCache:
"""LRU cache that automatically cleans up GPU memory when evicting models."""
def __init__(self, capacity: int):
self.cache = OrderedDict() # Maintains insertion order
self.capacity = capacity
def get(self, key: str):
"""Get model from cache, moves it to end (most recently used)."""
if key not in self.cache:
return None
self.cache.move_to_end(key) # Mark as recently used
return self.cache[key]
def put(self, key: str, value):
"""Add model to cache, evicting oldest if at capacity."""
if key in self.cache:
self.cache.move_to_end(key)
else:
self.cache[key] = value
# If cache is full, evict the oldest model
if len(self.cache) > self.capacity:
oldest_key, oldest_pipeline = self.cache.popitem(last=False)
# MAGIC: Move evicted model to CPU to free GPU memory
try:
oldest_pipeline.model.to("cpu")
if torch.cuda.is_available():
torch.cuda.empty_cache() # Tell GPU to release memory
logger.info(f"Evicted {oldest_key}, freed GPU memory")
except Exception as e:
logger.warning(f"Failed to clean GPU memory: {e}")
ओवरव्यू
OrderedDictनिवेदन प्रवाह सीधा है:▪ अनुवाद सेवा में फौरन हिस्सा लेने की गुज़ारिश करता है
# src/services/model_manager.py
def get_pipeline(self, src: str, tgt: str):
"""Try to get translation model, with automatic fallback to other providers."""
# Determine which model families support this language pair
families_to_try = []
if config.AUTO_MODEL_FALLBACK:
# Try families in priority order: opus-mt → mbart50 → m2m100
for family in config.MODEL_FALLBACK_ORDER.split(","):
if self._is_pair_supported(src, tgt, family.strip()):
families_to_try.append(family.strip())
# Try each family until one succeeds
last_error = None
for family in families_to_try:
try:
model_name, src_lang, tgt_lang, _ = self._get_model_name_and_langs(src, tgt, family)
if family != config.MODEL_FAMILY:
logger.info(f"Using fallback '{family}' for {src}->{tgt}")
# Load the model from HuggingFace
pipeline = transformers.pipeline(
"translation",
model=model_name,
device=device_manager.device_index,
src_lang=src_lang,
tgt_lang=tgt_lang
)
self.cache.put(f"{src}->{tgt}", pipeline)
return pipeline
except Exception as e:
last_error = e
logger.warning(f"Family '{family}' failed for {src}->{tgt}: {e}")
continue # Try next family
# All families failed
raise ModelLoadError(f"{src}->{tgt}", last_error)
नहीं
(LRU) अनुवाद मॉडल प्रदान करता है:
# src/services/queue_manager.py
import asyncio
from contextlib import asynccontextmanager
class QueueManager:
"""Manages request queuing and backpressure."""
def __init__(self, max_inflight: int, max_queue: int):
self.semaphore = asyncio.Semaphore(max_inflight) # Limit concurrent translations
self.max_queue_size = max_queue
self.waiting_count = 0
self.inflight_count = 0
self.avg_duration_sec = 5.0 # Exponential moving average
@asynccontextmanager
async def acquire_slot(self):
"""Try to get a translation slot, track metrics, handle queueing."""
# Check if queue is too full
if self.waiting_count >= self.max_queue_size:
# Calculate how long client should wait before retrying
retry_after = self._estimate_retry_after()
raise QueueOverflowError(self.waiting_count, retry_after)
self.waiting_count += 1
try:
# Wait for available slot (this is the queue!)
await self.semaphore.acquire()
self.waiting_count -= 1
self.inflight_count += 1
start_time = time.time()
yield # Let the translation happen
# Update average duration for retry-after estimates
duration = time.time() - start_time
alpha = config.RETRY_AFTER_ALPHA # Smoothing factor (0.2)
self.avg_duration_sec = alpha * duration + (1 - alpha) * self.avg_duration_sec
finally:
self.inflight_count -= 1
self.semaphore.release()
def _estimate_retry_after(self) -> int:
"""Smart calculation: how many waiting / how many slots * avg time per request."""
if self.inflight_count == 0:
return config.RETRY_AFTER_MIN_SEC
# If 10 people waiting and 2 slots available, and each takes 5 seconds:
# retry_after = (10 / 2) * 5 = 25 seconds
retry_sec = (self.waiting_count / self.semaphore._value) * self.avg_duration_sec
# Clamp between min and max
return max(
config.RETRY_AFTER_MIN_SEC,
min(int(retry_sec), config.RETRY_AFTER_MAX_SEC)
)
कैश हिट Escape तेज प्रतिक्रिया
max_inflight)@asynccontextmanagerक्लाएंट में लौटाता हैइनपुट प्रक्रिया पाइपलाइन
# src/utils/symbol_masking.py
import re
def mask_symbols(text: str) -> tuple[str, dict[str, str]]:
"""Replace special symbols with placeholders before translation."""
originals = {}
masked_text = text
placeholder_counter = 0
# Pattern: Match emojis, symbols, special punctuation
# \U0001F300-\U0001F9FF = emoji range
# [\u2600-\u26FF\u2700-\u27BF] = misc symbols
symbol_pattern = re.compile(
r'[\U0001F300-\U0001F9FF\u2600-\u26FF\u2700-\u27BF'
r'\u00A9\u00AE\u2122\u2139\u3030\u303D\u3297\u3299]+'
)
for match in symbol_pattern.finditer(text):
symbol = match.group()
placeholder = f"__SYMBOL_{placeholder_counter}__"
originals[placeholder] = symbol
masked_text = masked_text.replace(symbol, placeholder, 1)
placeholder_counter += 1
return masked_text, originals
def unmask_symbols(text: str, originals: dict[str, str]) -> str:
"""Restore original symbols after translation."""
for placeholder, original in originals.items():
text = text.replace(placeholder, original)
return text
सेवा एक जटिल बहुमुखी मंचिक उपयोग करती है असली असली विश्व पाठ को नियंत्रित करने के लिए:
# Before translation:
text = "Hello! 👋 Check out this cool feature 🚀"
# Mask symbols:
masked, originals = mask_symbols(text)
# masked = "Hello! __SYMBOL_0__ Check out this cool feature __SYMBOL_1__"
# originals = {"__SYMBOL_0__": "👋", "__SYMBOL_1__": "🚀"}
# Translate the masked text:
translated = translate(masked, "de") # → "Hallo! __SYMBOL_0__ Schau dir diese coole Funktion an __SYMBOL_1__"
# Unmask symbols:
final = unmask_symbols(translated, originals)
# final = "Hallo! 👋 Schau dir diese coole Funktion an 🚀"
मास्कित: "हेलो मो. 0 मि. बा.के.
👋मॉडलों भारी इनपुट पर तनाव नहीं है__SYMBOL_0__हम विशेष रूप से इकट्ठा कर सकते हैंऐसा क्यों:
# src/utils/text_processing.py
def chunk_sentences(sentences: list[str], max_chars: int = 900) -> list[list[str]]:
"""Group sentences into chunks that fit within model's max input length."""
chunks = []
current_chunk = []
current_length = 0
for sentence in sentences:
sentence_len = len(sentence)
# If this sentence alone is too long, it goes in its own chunk
if sentence_len > max_chars:
if current_chunk:
chunks.append(current_chunk)
current_chunk = []
current_length = 0
chunks.append([sentence])
continue
# If adding this sentence exceeds limit, start new chunk
if current_length + sentence_len + 1 > max_chars:
chunks.append(current_chunk)
current_chunk = [sentence]
current_length = sentence_len
else:
current_chunk.append(sentence)
current_length += sentence_len + 1 # +1 for space
# Don't forget the last chunk!
if current_chunk:
chunks.append(current_chunk)
return chunks
def split_sentences(text: str, max_sentence_chars: int = 500) -> list[str]:
"""Split text into sentences, enforcing max length."""
# Split on common sentence terminators
sentences = re.split(r'([.!?…]+\s+)', text)
result = []
for sentence in sentences:
if not sentence or sentence.isspace():
continue
# If sentence is too long, split on word boundaries
if len(sentence) > max_sentence_chars:
words = sentence.split()
current = []
current_len = 0
for word in words:
if current_len + len(word) + 1 > max_sentence_chars:
result.append(' '.join(current))
current = [word]
current_len = len(word)
else:
current.append(word)
current_len += len(word) + 1
if current:
result.append(' '.join(current))
else:
result.append(sentence.strip())
return result
गापीयू मेमोरी मूल्यवान है
.!?…हम 6 सबसे हाल ही के मॉडल गर्म रखनाअंग्रेज़ी के माध्यम से बिंदु:
# src/services/model_discovery.py
import httpx
from datetime import datetime, timedelta
class ModelDiscoveryService:
"""Discovers available translation models with 1-hour cache."""
def __init__(self):
self._cache = {} # Cache results to avoid hammering HuggingFace API
self._cache_ttl = timedelta(hours=1)
self._hf_api_base = "https://huggingface.co/api/models"
async def discover_opus_mt_pairs(self, force_refresh: bool = False):
"""Query HuggingFace for all Helsinki-NLP Opus-MT models."""
cache_key = "opus-mt"
# Check cache first
if not force_refresh and cache_key in self._cache:
cached_data, cached_time = self._cache[cache_key]
if datetime.now() - cached_time < self._cache_ttl:
return cached_data # Cache hit!
# Cache miss - query HuggingFace API
async with httpx.AsyncClient() as client:
response = await client.get(
self._hf_api_base,
params={
"author": "Helsinki-NLP",
"search": "opus-mt",
"limit": 1000
},
timeout=30.0
)
models = response.json()
# Extract language pairs from model names
# Example: "Helsinki-NLP/opus-mt-en-de" → ("en", "de")
pairs = []
for model in models:
model_id = model.get("modelId", "")
if model_id.startswith("Helsinki-NLP/opus-mt-"):
# Extract the language codes after "opus-mt-"
lang_part = model_id.replace("Helsinki-NLP/opus-mt-", "")
if "-" in lang_part:
src, tgt = lang_part.split("-", 1)
pairs.append({"source": src, "target": tgt})
# Cache the results
self._cache[cache_key] = (pairs, datetime.now())
return pairs
यह दो बार के बीच का अंतर है, लेकिन सभी समर्थित भाषा जोड़े के लिए विस्तार सुनिश्चित करें.
httpxचलो कोड बेस के सबसे दिलचस्प भागों में से कुछ की जाँच करें!enसबसे बढ़िया चीजों में से एक है बुद्धिमान मॉडल कैश जो कि गापीपी मेमोरी को संभालना जानते हैं:deयहाँ क्या हो रहा है?Helsinki-NLP/opus-mt-en-deजीपीयू साफ- सफाई
# src/core/device.py
import torch
class DeviceManager:
"""Smart device selection with GPU auto-detection."""
def __init__(self):
self.use_gpu = self._should_use_gpu()
self.device_index = self._resolve_device()
self.device_str = "cpu" if self.device_index < 0 else f"cuda:{self.device_index}"
# Auto-configure parallel translation slots based on device
if self.device_index >= 0:
# GPU: Run translations serially to avoid VRAM fragmentation
self.max_inflight = 1
else:
# CPU: Can handle multiple translations in parallel
self.max_inflight = config.MAX_WORKERS_BACKEND
self._log_device_info()
def _should_use_gpu(self) -> bool:
"""Check if GPU should be used."""
if config.USE_GPU.lower() == "false":
return False
if config.USE_GPU.lower() == "true":
return torch.cuda.is_available()
# "auto" mode: use GPU if available
return torch.cuda.is_available()
def _resolve_device(self) -> int:
"""Returns device index: -1 for CPU, 0+ for CUDA."""
if not self.use_gpu:
return -1
# Check if specific CUDA device requested
if config.DEVICE and config.DEVICE.startswith("cuda:"):
device_num = int(config.DEVICE.split(":")[1])
return device_num
return 0 # Use first GPU
def _log_device_info(self):
"""Log device information at startup."""
if self.device_index >= 0:
gpu_name = torch.cuda.get_device_name(self.device_index)
vram_gb = torch.cuda.get_device_properties(self.device_index).total_memory / 1e9
logger.info(f"Using GPU: {gpu_name} ({vram_gb:.1f}GB VRAM)")
logger.info(f"Max inflight translations: {self.max_inflight} (GPU mode)")
else:
cpu_count = os.cpu_count()
logger.info(f"Using CPU ({cpu_count} cores)")
logger.info(f"Max inflight translations: {self.max_inflight} (CPU mode)")
# Global singleton instance
device_manager = DeviceManager()
: एक मॉडल निकालते समय, हम स्पष्ट रूप से इसे सीपीयू स्मृति में ले जाते हैं और अपने संसाधन को छोड़ने के लिए जीयूपी को बताना
max_inflight=1यह चतुर विशेषता कई एआई मॉडल प्रबंधनों की कोशिश करता है यदि पहले आपको भाषा जोड़े नहीं हैं:max_inflight=4यहाँ क्या हो रहा है?DEVICE=cuda:1: सफल मॉडल भाषा जोड़े की कुंजी से कैशे जाते हैं
# Snippet from QueueManager showing EMA calculation
def update_avg_duration(self, new_duration: float):
"""Update average duration using exponential moving average."""
# EMA formula: new_avg = α × new_value + (1 - α) × old_avg
# α = smoothing factor (0.0 to 1.0)
# - Higher α = more weight to recent values (faster adaptation)
# - Lower α = more weight to historical values (more stable)
alpha = 0.2 # 20% weight to new value, 80% to historical
self.avg_duration_sec = (
alpha * new_duration +
(1 - alpha) * self.avg_duration_sec
)
3
# Initial average: 5.0 seconds
# New request takes: 10.0 seconds
# EMA calculation:
new_avg = 0.2 * 10.0 + 0.8 * 5.0
= 2.0 + 4.0
= 6.0 seconds
# Next request takes: 3.0 seconds
new_avg = 0.2 * 3.0 + 0.8 * 6.0
= 0.6 + 4.8
= 5.4 seconds
अंतराल में वापस लाने के लिए निवेदन करें (H-8859- 429)
Retry-Afterएक्सपोनेंट खिसकाना औसत: निवेदन अवधि में चिकनी वृत्तियाँ
अस्थायी
: अनुवाद मॉडल कभी - कभी भ्रष्ट होते हैं या खराब होते हैं - यह उन्हें पूरी तरह सुरक्षित रखता है!
# Prefer GPU if available (default)
USE_GPU=auto
# Force GPU
USE_GPU=true
# Force CPU
USE_GPU=false
# Explicit device override
DEVICE=cuda:0
DEVICE=cpu
# Model family selection (NEW in v2.0!)
MODEL_FAMILY=opus-mt # Best quality (default)
MODEL_FAMILY=mbart50 # 50 languages, single model
MODEL_FAMILY=m2m100 # 100 languages, maximum coverage
# Auto-fallback between model families (NEW in v2.0!)
AUTO_MODEL_FALLBACK=1 # Enabled by default
MODEL_FALLBACK_ORDER="opus-mt,mbart50,m2m100" # Priority order
# Volume-mapped model cache (NEW in v2.0!)
MODEL_CACHE_DIR=/models # Persistent cache directory
# Model arguments passed to transformers.pipeline
EASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}'
EASYNMT_MODEL_ARGS='{"torch_dtype":"bf16","cache_dir":"/models"}'
# Preload models at startup (reduces first-request latency)
PRELOAD_MODELS="en->de,de->en,fr->en"
# LRU cache capacity
MAX_CACHED_MODELS=6
वाक्य सीमा को बनाए रखने के दौरान, लंबे पाठों को दोहराता है:
**यहाँ क्या हो रहा है?**वाक्य विभाजन
opus-mt: बुढ़ापे का उपयोग करके विभाजन का उपयोग करेmbart50और (मौत की तकलीफ़ से) पिन्डली से पिन्डली लिपट जाएगीm2m100लालच से दूर रहना: बहुत से वाक्यों को बिना सीमा के प्रत्येक भाग में पैक करता हैशब्द किनारा विभाजन
1: यदि एक एकल वाक्य बहुत लंबा है, तो मध्य- वर्ड को काटने के बजाए रिक्त जगह में विभाजित होता है0यह क्यों ज़रूरी है**: अनुवाद मॉडलों में इनपुट सीमाएँ हैं (आम तौर पर 512- सीधी निशानियाँ हैं).**यह सुनिश्चित करता है कि हम संदर्भ को बनाए रखने के दौरान कभी उन से ज़्यादा नहीं करते ।
"opus-mt,mbart50,m2m100"कैशिंग के साथ मॉडल खोज"m2m100,mbart50,opus-mt"यहाँ क्या हो रहा है?एसएसई एचटीटीपी क्लाएंट: गैर ब्लॉक एचटीटीपी निवेदन करता है HfART चेहरे के लिए
/models: दर कम होने से बचने के लिए 1 घंटे के लिए परिणाम जमाता है-v ./model-cache:/modelsऔर
fp16सेbf16यह क्यों ज़रूरी हैfp32: HfMAT मॉडलों में 1200+OT-MT मॉडल हैं।# Batch size for translation (higher = faster but more VRAM)
EASYNMT_BATCH_SIZE=16 # CPU: 8-16, GPU: 32-64
# Maximum text length per item
EASYNMT_MAX_TEXT_LEN=1000
# Maximum beam size (higher = better quality but slower)
EASYNMT_MAX_BEAM_SIZE=5
# Worker thread pools
MAX_WORKERS_BACKEND=1 # Translation workers
MAX_WORKERS_FRONTEND=2 # Language detection workers
# Enable request queueing (highly recommended)
ENABLE_QUEUE=1
# Max concurrent translations
# Auto: 1 on GPU, MAX_WORKERS_BACKEND on CPU
MAX_INFLIGHT_TRANSLATIONS=1
# Max queued requests before 429
MAX_QUEUE_SIZE=1000
# Per-request timeout (0 = disabled)
TRANSLATE_TIMEOUT_SEC=180
# Retry-After estimation
RETRY_AFTER_MIN_SEC=1 # Floor
RETRY_AFTER_MAX_SEC=120 # Ceiling
RETRY_AFTER_ALPHA=0.2 # EMA smoothing factor
# Enable input filtering
INPUT_SANITIZE=1
# Minimum alphanumeric ratio (0.2 = 20%)
INPUT_MIN_ALNUM_RATIO=0.2
# Minimum character count
INPUT_MIN_CHARS=1
# Language code for undetermined/noise
UNDETERMINED_LANG_CODE=und
# Default sentence splitting behavior
PERFORM_SENTENCE_SPLITTING_DEFAULT=1
# Max chars per sentence before word-boundary split
MAX_SENTENCE_CHARS=500
# Max chars per chunk for batching
MAX_CHUNK_CHARS=900
# Sentence joiner
JOIN_SENTENCES_WITH=" "
# Enable symbol masking
SYMBOL_MASKING=1
# What to mask
MASK_DIGITS=1 # Mask 0-9
MASK_PUNCT=1 # Mask .,!? etc.
MASK_EMOJI=1 # Mask 😀🎉 etc.
# Align response array length to input
ALIGN_RESPONSES=1
# Placeholder for failed items (when aligned)
SANITIZE_PLACEHOLDER=""
# Response format
EASYNMT_RESPONSE_MODE=strings # ["translation1", "translation2"]
EASYNMT_RESPONSE_MODE=objects # [{"text":"translation1"}, ...]
# Enable two-hop translation via pivot
PIVOT_FALLBACK=1
# Pivot language (usually English)
PIVOT_LANG=en
# Log level
LOG_LEVEL=INFO
# Per-request logging (verbose)
REQUEST_LOG=1
# Format
LOG_FORMAT=plain # Human-readable
LOG_FORMAT=json # Structured JSON
# File logging with rotation
LOG_TO_FILE=1
LOG_FILE_PATH=/var/log/marian-translator/app.log
LOG_FILE_MAX_BYTES=10485760 # 10MB
LOG_FILE_BACKUP_COUNT=5
# Include raw text in logs (privacy risk!)
LOG_INCLUDE_TEXT=0
# Periodically clear CUDA cache (seconds, 0=disabled)
CUDA_CACHE_CLEAR_INTERVAL_SEC=0
# Worker count (use 1 for single GPU)
WEB_CONCURRENCY=1
# Request timeout
TIMEOUT=60
# Graceful shutdown timeout
GRACEFUL_TIMEOUT=20
# Keep-alive timeout
KEEP_ALIVE=5
# GET request
curl "http://localhost:8000/translate?target_lang=de&text=Hello%20world&source_lang=en"
# Response
{
"translations": ["Hallo Welt"]
}
# POST request
curl -X POST http://localhost:8000/translate \
-H 'Content-Type: application/json' \
-d '{
"text": [
"Hello world",
"This is a test",
"Machine translation is amazing"
],
"target_lang": "de",
"source_lang": "en",
"beam_size": 1,
"perform_sentence_splitting": true
}'
# Response
{
"target_lang": "de",
"source_lang": "en",
"translated": [
"Hallo Welt",
"Das ist ein Test",
"Maschinenübersetzung ist erstaunlich"
],
"translation_time": 0.342
}
# Omit source_lang for auto-detection
curl -X POST http://localhost:8000/translate \
-H 'Content-Type: application/json' \
-d '{
"text": ["Bonjour le monde"],
"target_lang": "en"
}'
# Response
{
"target_lang": "en",
"source_lang": "fr", # Detected
"translated": ["Hello world"],
"translation_time": 0.156
}
# GET
curl "http://localhost:8000/language_detection?text=Hola%20mundo"
# {"language": "es"}
# POST with batch
curl -X POST http://localhost:8000/language_detection \
-H 'Content-Type: application/json' \
-d '{"text": ["Hello", "Bonjour", "Hola"]}'
# {"languages": ["en", "fr", "es"]}
# Health check
curl http://localhost:8000/healthz
# {"status": "ok"}
# Readiness
curl http://localhost:8000/readyz
# {
# "status": "ready",
# "device": "cuda:0",
# "queue_enabled": true,
# "max_inflight": 1
# }
# Cache status
curl http://localhost:8000/cache
# {
# "capacity": 6,
# "size": 3,
# "keys": ["en->de", "de->en", "fr->en"],
# "device": "cuda:0",
# "inflight": 1,
# "queue_enabled": true
# }
# Model info
curl http://localhost:8000/model_name | jq
# When queue is full, you get 429
curl -X POST http://localhost:8000/translate \
-H 'Content-Type: application/json' \
-d '{"text": ["test"], "target_lang": "de"}'
# Response: 429 Too Many Requests
# Headers: Retry-After: 45
# Body:
{
"message": "Too many requests; queue full",
"retry_after_sec": 45
}
# Proper client behavior:
# 1. Read Retry-After header
# 2. Wait that long + jitter
# 3. Retry request
8
पुनः कोशिश करें जो कि वास्तविक निवेदन अवधि के लिए अनुकूलित करता है:
उदाहरण:
.\build-all.ps1
यहाँ क्या हो रहा है?
chmod +x build-all.sh
./build-all.sh
: वज़न कम होने की तरह जो हाल ही में मूल्यों को ज़्यादा महत्त्व देता हैचिकना फ़ैक्टर (सेल्सियस):
latest, min, gpu, gpu-minक्यों साधारण औसत नहीं?20250108.143022: क्लाएंटों को यथार्थ बताता हैसमय जो मौजूदा तंत्र लोड करने के लिए अनुकूलता है
# Always get the latest version
docker pull scottgal/mostlylucid-nmt:cpu
# Or use the :latest alias
docker pull scottgal/mostlylucid-nmt:latest
# Pin to a specific version for reproducibility
docker pull scottgal/mostlylucid-nmt:cpu-20250108.143022
docker pull scottgal/mostlylucid-nmt:cpu-min-20250108.143022
संसाधन प्रबंधनName
: स्मार्ट कलिंग, रीलिंगिंग, और समानांतर प्रक्रिया
docker inspect scottgal/mostlylucid-nmt:cpu | jq '.[0].Config.Labels'
ऑब्सर्वेटरी: विस्तृत लॉगिंग तथा मेगनिंग.
# Using pre-built image from Docker Hub (recommended)
docker run -d \
--name translator \
-p 8000:8000 \
-e ENABLE_QUEUE=1 \
-e MAX_QUEUE_SIZE=500 \
-e EASYNMT_BATCH_SIZE=16 \
-e TIMEOUT=180 \
-e LOG_LEVEL=INFO \
-e REQUEST_LOG=0 \
scottgal/mostlylucid-nmt
# Or build locally
docker build -t mostlylucid-nmt .
docker run -d --name translator -p 8000:8000 mostlylucid-nmt
# Check logs
docker logs -f translator
# Using pre-built GPU image from Docker Hub (recommended)
docker run -d \
--name translator-gpu \
--gpus all \
-p 8000:8000 \
-e USE_GPU=true \
-e DEVICE=cuda:0 \
-e PRELOAD_MODELS="en->de,de->en,en->fr,fr->en,en->es,es->en" \
-e EASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}' \
-e EASYNMT_BATCH_SIZE=64 \
-e MAX_CACHED_MODELS=8 \
-e ENABLE_QUEUE=1 \
-e MAX_QUEUE_SIZE=2000 \
-e WEB_CONCURRENCY=1 \
-e TIMEOUT=180 \
-e GRACEFUL_TIMEOUT=30 \
-e LOG_FORMAT=json \
-e LOG_TO_FILE=1 \
-v /var/log/translator:/var/log/marian-translator \
scottgal/mostlylucid-nmt:gpu
# Or build locally
docker build -f Dockerfile.gpu -t mostlylucid-nmt:gpu .
docker run -d --name translator-gpu --gpus all -p 8000:8000 mostlylucid-nmt:gpu
# Monitor cache and performance
watch -n 5 "curl -s http://localhost:8000/cache | jq"
version: '3.8'
services:
translator:
image: scottgal/mostlylucid-nmt:gpu # Use pre-built image
container_name: translator
restart: unless-stopped
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1
capabilities: [gpu]
ports:
- "8000:8000"
environment:
USE_GPU: "true"
DEVICE: "cuda:0"
PRELOAD_MODELS: "en->de,de->en,en->fr,fr->en"
EASYNMT_MODEL_ARGS: '{"torch_dtype":"fp16"}'
EASYNMT_BATCH_SIZE: "64"
MAX_CACHED_MODELS: "8"
ENABLE_QUEUE: "1"
MAX_QUEUE_SIZE: "2000"
WEB_CONCURRENCY: "1"
TIMEOUT: "180"
LOG_FORMAT: "json"
LOG_TO_FILE: "1"
volumes:
- translator-logs:/var/log/marian-translator
- translator-cache:/root/.cache/huggingface
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:8000/healthz"]
interval: 30s
timeout: 10s
retries: 3
start_period: 40s
volumes:
translator-logs:
translator-cache:
apiVersion: apps/v1
kind: Deployment
metadata:
name: translator
spec:
replicas: 2 # Scale horizontally for CPU, use 1 per GPU
selector:
matchLabels:
app: translator
template:
metadata:
labels:
app: translator
spec:
containers:
- name: translator
image: scottgal/mostlylucid-nmt:gpu
ports:
- containerPort: 8000
env:
- name: USE_GPU
value: "true"
- name: EASYNMT_MODEL_ARGS
value: '{"torch_dtype":"fp16"}'
- name: PRELOAD_MODELS
value: "en->de,de->en"
- name: ENABLE_QUEUE
value: "1"
- name: MAX_QUEUE_SIZE
value: "2000"
resources:
requests:
memory: "4Gi"
cpu: "2"
nvidia.com/gpu: 1
limits:
memory: "8Gi"
cpu: "4"
nvidia.com/gpu: 1
livenessProbe:
httpGet:
path: /healthz
port: 8000
initialDelaySeconds: 30
periodSeconds: 10
readinessProbe:
httpGet:
path: /readyz
port: 8000
initialDelaySeconds: 20
periodSeconds: 5
---
apiVersion: v1
kind: Service
metadata:
name: translator
spec:
selector:
app: translator
ports:
- port: 80
targetPort: 8000
type: LoadBalancer
सच्चाई (_F)
EASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}'
: अच्छा गुणवत्ता, 100 भाषाएँ, एकलGB मॉडल
# Start high, reduce if you get OOM
EASYNMT_BATCH_SIZE=64 # Try 128 on large GPUs
MOIS_lk Gall
PRELOAD_MODELS="en->de,de->en,en->fr,fr->en,en->es,es->en"
: अगर जोड़ा अनुपलब्ध हो तो अन्य परिवारों को स्वचालित कोशिश करें
WEB_CONCURRENCY=1
MAX_INFLIGHT_TRANSLATIONS=1
(डिफ़ॉल्ट): सक्रिय - अधिकतम कवरिंग
MAX_CACHED_MODELS=10 # Keep more models in VRAM
: अक्षम - सख्त परिवार मोड
# beam_size=1 is 3-5x faster than beam_size=5
# Quality difference is often minimal
curl -X POST ... -d '{"beam_size": 1, ...}'
: कॉलबैक के लिए प्राथमिकता का अनुक्रम
EASYNMT_BATCH_SIZE=8
तयशुदा:
MAX_WORKERS_BACKEND=4
MAX_INFLIGHT_TRANSLATIONS=4
WEB_CONCURRENCY=2
(डिस्ली प्रथम)
PERFORM_SENTENCE_SPLITTING_DEFAULT=0
(प्रयोग पहले)
// Bad: 100 separate requests
for (const text of texts) {
await translate(text);
}
// Good: 1 batch request
await translate(texts);
जंगल (_C)
async function translateWithRetry(texts) {
try {
return await translate(texts);
} catch (err) {
if (err.status === 429) {
const retryAfter = err.headers['retry-after'];
const jitter = Math.random() * 5;
await sleep((retryAfter + jitter) * 1000);
return translateWithRetry(texts);
}
throw err;
}
}
कोर आयतों के द्वारा अनुकूलित मॉडल भंडारण
// Reuse HTTP connections
const agent = new https.Agent({ keepAlive: true });
यहाँ सेट करें
// Bad: mixed language pairs in one request
translate([
{ text: "Hello", sourceLang: "en", targetLang: "de" },
{ text: "Bonjour", sourceLang: "fr", targetLang: "de" }
]);
// Good: group by language pair
translateBatch(enToDe, "en", "de");
translateBatch(frToDe, "fr", "de");
उपयोग उदाहरण
translation_requests_total{lang_pair="en->de",status="success"} 1523
translation_requests_total{lang_pair="en->de",status="error"} 7
translation_duration_seconds{lang_pair="en->de",quantile="0.5"} 0.342
translation_duration_seconds{lang_pair="en->de",quantile="0.95"} 1.234
translation_queue_depth 23
translation_cache_size 6
translation_cache_hits_total 8234
translation_cache_misses_total 142
# Enable JSON logging
LOG_FORMAT=json REQUEST_LOG=1
# Output example
{
"ts": "2025-01-08T15:30:45+0000",
"level": "INFO",
"name": "app",
"message": "translate_post done items=5 dt=0.342s",
"req_id": "a3d2f5b1-c4e6-4f7a-9d8c-1e2f3a4b5c6d",
"endpoint": "/translate",
"src": "en",
"tgt": "de",
"items": 5,
"duration_ms": 342
}
बैच अनुवाद (अनुप्रयोगित)
सिर्फ भाषा पता लगाएँ |---------|---------|-----------------| | ऑब्सनमेंट अंतिमपाइंट्सपीछे की ओर दबाव का सामना करें | निर्माण और संस्करणसभी डॉकता छवियों में अब सही संस्करणिंग व मेटाडेटािंग के लिए सम्मिलित है. | क्विक बिल्डसभी 4 किस्मों को स्वचालित तिथि/समय के साथ बिल्ड करें: | **विंडोज़:**लिनक्स/Mac: | संस्करण फिर से प्रयोग किया जा रहा हैइन्हें बनाने के लिए एक - एक करके तैयार किया जाता है | दो टैगनामित टैग | ) - हमेशा हाल के अधिकांश बिन्दुओं पर इंगित करता हैसंस्करण टैग | ( ई.(c) - एपकेट स्नेपशॉट | **उदाहरण:**टीसीआई लेबल्स | **प्रत्येक छवि में मेटाडाटा शामिल है:**संस्करण | **: समय- चिह्न बनाना (YYYYYMMD. HHMMS)**बिल्ड तारीख़ | : ISO 8601 टाइमस्टैंपGit
: कोप्पि- पूरा, खिमिन, जीपी- पूर्ण, या gui- hich-inलेबलों को जाँचें:
विस्तृत निर्देशों और सीआईसीडी एकीकरण के लिए, देखें
MAX_QUEUE_SIZEMAX_INFLIGHT_TRANSLATIONSगापीयू देपल्मेंटपरफ़ॉर्मेंस गाय- बैलेटिनाGPUPEN संदेशवाहक जांचसूची
FP16 परिशुद्धता इस्तेमाल करें
ENABLE_QUEUE=1बाने बैच आकारप्री- हॉट मॉडल लोड किया जा रहा है
हर गाँव में एक - साथ काम करनेवाले
EASYNMT_BATCH_SIZEMAX_CACHED_MODELSEASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}'WEB_CONCURRENCY=1समानांतरता बढ़ाएँMAX_INFLIGHT_TRANSLATIONS=1क्लाएंट उत्तम अभ्यासबैच निवेदन
सम्मान फिर से कोशिश करें - के- बाद
PRELOAD_MODELS="en->de,de->en"
भाषा जोड़े द्वारा समूह (_G) Helsinki-NLP/opus-mt-{src}-{tgt}ऑब्सर्वेटरी मॉनीटर किया जा रहा है (O)
ट्रैक करने हेतु कुंजी
PIVOT_FALLBACK=1(q)curl http://localhost:8000/lang_pairsगहराई क़तार में लगाएँ(वर्तमान इंतजार गिनती)
कैश हिट दर
MASK_EMOJI=0त्रुटि दरMASK_PUNCT=0SYMBOL_MASKING=0(यदि लागू हो)
public class MostlyLucidNmtClient
{
private readonly HttpClient _httpClient;
private readonly string _baseUrl;
public MostlyLucidNmtClient(HttpClient httpClient, string baseUrl)
{
_httpClient = httpClient;
_baseUrl = baseUrl;
}
public async Task<TranslationResponse> TranslateAsync(
List<string> texts,
string targetLang,
string sourceLang = "",
int beamSize = 1,
bool performSentenceSplitting = true,
CancellationToken cancellationToken = default)
{
var request = new TranslationRequest
{
Text = texts,
TargetLang = targetLang,
SourceLang = sourceLang,
BeamSize = beamSize,
PerformSentenceSplitting = performSentenceSplitting
};
var response = await _httpClient.PostAsJsonAsync(
$"{_baseUrl}/translate",
request,
cancellationToken);
if (response.StatusCode == System.Net.HttpStatusCode.TooManyRequests)
{
// Read Retry-After header
var retryAfter = response.Headers.RetryAfter?.Delta?.TotalSeconds ?? 30;
var jitter = Random.Shared.Next(0, 5);
await Task.Delay(TimeSpan.FromSeconds(retryAfter + jitter), cancellationToken);
// Retry
return await TranslateAsync(texts, targetLang, sourceLang, beamSize,
performSentenceSplitting, cancellationToken);
}
response.EnsureSuccessStatusCode();
return await response.Content.ReadFromJsonAsync<TranslationResponse>(cancellationToken);
}
}
public class TranslationRequest
{
[JsonPropertyName("text")]
public List<string> Text { get; set; }
[JsonPropertyName("target_lang")]
public string TargetLang { get; set; }
[JsonPropertyName("source_lang")]
public string SourceLang { get; set; }
[JsonPropertyName("beam_size")]
public int BeamSize { get; set; }
[JsonPropertyName("perform_sentence_splitting")]
public bool PerformSentenceSplitting { get; set; }
}
public class TranslationResponse
{
[JsonPropertyName("target_lang")]
public string TargetLang { get; set; }
[JsonPropertyName("source_lang")]
public string SourceLang { get; set; }
[JsonPropertyName("translated")]
public List<string> Translated { get; set; }
[JsonPropertyName("translation_time")]
public double TranslationTime { get; set; }
}
स्मृति प्रयोग
services.AddHttpClient<MostlyLucidNmtClient>(client =>
{
client.BaseAddress = new Uri("http://translator:8000");
client.Timeout = TimeSpan.FromMinutes(3);
});
उदाहरण**अगर आप प्रोग्रेस को एकीकृत करते हैं (नहीं में, लेकिन जोड़ने के लिए आसान है)।**स्ट्रक्चर लॉगिंग उदाहरण
तुलना: आसान
इनपुट हैंडलिंग
ऑब्सर्वेटरी
डेबियन मैनुअल, कोई CTCTLU कैश ऑटो- वीक्शन के साथ नहीं
कॉन्फ़िगरेशनSpamAssassin सीमा सीमित 40+RAv_BAR_के लिए फिल्टरिंग के लिएएपीआई संगतता
# Maximum coverage with auto-fallback (recommended!)
docker run -d -p 8000:8000 \
-v ./model-cache:/models \
-e MODEL_CACHE_DIR=/models \
-e AUTO_MODEL_FALLBACK=1 \
-e MODEL_FALLBACK_ORDER="opus-mt,mbart50,m2m100" \
scottgal/mostlylucid-nmt:cpu-min
# GPU with best quality
docker run -d --gpus all -p 8000:8000 \
-e USE_GPU=true \
-e MODEL_FAMILY=opus-mt \
-e EASYNMT_MODEL_ARGS='{"torch_dtype":"fp16"}' \
scottgal/mostlylucid-nmt:gpu
# Test it
curl -X POST http://localhost:8000/translate \
-H 'Content-Type: application/json' \
-d '{"text": ["Hello world"], "target_lang": "de"}'
जीयूपी में ओओएम (अपनी मेमोरी से बाहर)
कारण:
बैच आकार बहुत ज्यादा या बहुत से मॉडल कैश.
धीमा पहला निवेदन[कारण:
Translation NMT Neural Machine Translation Python FastAPI Docker CUDA PyTorch Transformers Helsinki-NLP Production Microservices API
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.