Skip to main content

Hugging Face 모델 다운로드 및 테스트

목표​

이 튜토리얼을 완료하면:

  • ECI 가상머신에서 Python 환경 구성
  • Hugging Face Hub에서 모델 다운로드 및 캐시 구조 이해
  • Transformers 라이브러리로 텍스트 분류 추론 실행
CPU 가상머신으로도 실습 가능합니다

GPU가 없어도 CPU 인스턴스에서 실습할 수 있습니다. 단, 대형 모델은 실행 시간이 길어집니다.

1단계: 가상머신 생성​

항목값
인스턴스 타입GPU 또는 CPU 인스턴스
이미지Ubuntu 22.04
공인 IP새로 생성 (모델 다운로드에 인터넷 필요)

2단계: 환경 설치​

pip install transformers torch accelerate

3단계: 모델 다운로드 및 추론​

# test_model.py
from transformers import pipeline

# 모델 자동 다운로드 (~/.cache/huggingface/hub/)
classifier = pipeline(
    "text-classification",
    model="snunlp/KR-FinBert-SC"
)

# 추론
texts = [
    "오늘 코스피가 2% 상승했습니다.",
    "기업 실적이 예상보다 크게 부진했습니다.",
    "신규 제품 출시 일정이 발표되었습니다."
]

for text in texts:
    result = classifier(text)[0]
    print(f"{text[:30]}... → {result['label']} ({result['score']:.2f})")
python3 test_model.py

4단계: 캐시 관리​

모델은 ~/.cache/huggingface/hub/에 캐시됩니다. 동일 모델을 다시 실행하면 다운로드 없이 캐시에서 로드합니다.

# 캐시된 모델 목록
ls ~/.cache/huggingface/hub/

# 캐시 크기 확인
du -sh ~/.cache/huggingface/

블록 스토리지 용량이 부족하면 캐시 위치를 변경합니다.

export HF_HOME=/data/huggingface_cache

5단계: GPU 가속 적용​

GPU 인스턴스에서 실행 시 device=0 또는 device="cuda"를 지정합니다.

classifier = pipeline(
    "text-classification",
    model="snunlp/KR-FinBert-SC",
    device=0  # GPU 사용
)

다음 단계​