×
Community Blog Generative AI บน Alibaba Cloud - ส่วนที่ 2: PaaS

Generative AI บน Alibaba Cloud - ส่วนที่ 2: PaaS

ส่วนที่สองของซีรีย์สามส่วนนี้จะแนะนำ PaaS และสำรวจวิธีการปรับใช้บริการ Generative AI ที่มีประโยชน์ในไม่กี่นาทีโดยใช้ PAI

โดย JV Roig

ยินดีต้อนรับสู่ส่วนที่ 2 ในซีรีส์วิธีการใช้ Generative AI บน Alibaba Cloud

ใน ส่วนที่ 1 ของซีรีส์นี้, เราได้เรียนรู้การใช้ IaaS (การให้บริการโครงสร้างพื้นฐาน) GenAI ด้วย Elastic Compute Service (ECS) อย่างที่เราเห็นจากส่วนที่ 1 นี่เป็นวิธีที่ทรงพลังและยืดหยุ่นมากในการปรับใช้ Generative AI น่าเสียดายที่มาพร้อมกับขั้นตอนมากมายและค่าใช้จ่ายในการจัดการสูง เนื่องจากเรามีหน้าที่รับผิดชอบการดำเนินการและการบำรุงรักษาสแต็กทั้งหมด

เราจะทำให้มันง่ายขึ้น เร็วขึ้น และมีค่าใช้จ่ายน้อยลงได้ไหม? เราทำได้!

ในวันนี้เราจะมาเรียนรู้วิธีการใช้ PaaS (การให้บริการแพลตฟอร์ม) ด้วย Alibaba Cloud แพลตฟอร์มสำหรับ AI (PAI) เราจะมาดูกันว่าวิธีการ PaaS จะช่วยลดค่าใช้จ่ายในการดำเนินงานที่เกี่ยวข้องและช่วยให้เราสามารถปรับใช้บริการ Generative AI ที่เป็นประโยชน์ภายในไม่กี่นาทีได้อย่างไร

เริ่มต้นด้วย PAI

เข้าสู่ระบบเว็บคอนโซล Alibaba Cloud ของคุณแล้วค้นหา PAI คลิกผลลัพธ์ที่ปรากฏขึ้น (แพลตฟอร์มสำหรับ AI) และคุณจะเห็นคอนโซล PAI:

1

เราสามารถปรับใช้ LLM ได้อย่างรวดเร็วจากทั้ง เริ่มต้นใช้งานด่วน (ที่อยู่ใกล้กับด้านบนของแถบด้านซ้ายมือ) หรือ EAS/บริการอัลกอริทึมที่ยืดหยุ่น (ที่อยู่ใกล้กับตรงกลางของแถบด้านซ้ายมือ) ไม่ว่าในกรณีใด บริการนี้จะถูกใช้เป็นอินสแตนซ์ของ EAS ดังนั้นไม่ว่าอย่างไรก็ตามก็จะจบด้วย EAS ในที่สุด

เราไปกันที่ EAS กันเถอะ คลิก บริการอัลกอริทึมที่ยืดหยุ่น ภายใต้ การปรับใช้โมเดล และคุณจะเห็นหน้าจอนี้:

2

คลิก ปรับใช้บริการ

3

สำหรับบทช่วยสอนนี้ให้คลิก การใช้งาน LLM ภายใต้ การปรับใช้โมเดลตามสถานการณ์

4

สำหรับการปรับใช้ตัวอย่างนี้ คุณสามารถทำตามการตั้งค่าตามที่เห็นในภาพหน้าจอด้านบน:

• เราจะตั้งชื่อให้กับบริการของเรา เช่น test_service_deployment

• เราเลือก โมเดลโอเพนซอร์ส และเลือกโมเดลขนาดเล็กอย่าง Qwen2-7b (หมายเหตุ: ระวังอย่าเลือกเวอร์ชัน 72b ขนาดใหญ่โดยบังเอิญซึ่งแตกต่างกันมาก)

• เรายังคงรักษาประเภทอินสแตนซ์เริ่มต้นแต่ลบการเร่ง (BladeLLM ต้องใช้ประเภท GPU ที่แตกต่างกันซึ่งไม่สำคัญกับบทช่วยสอนพื้นฐานนี้)

นั่นคือทั้งหมดที่เราต้องเปลี่ยน คลิก ปรับใช้

นี่คือทั้งหมดที่เราต้องทำเพื่อสร้างโครงสร้างพื้นฐาน ซึ่งแตกต่างจากการปรับใช้ IaaS GenAI ที่ใช้ ECS! เพียงไม่กี่คลิกและใช้เวลาเพียงไม่กี่นาทีโครงสร้างพื้นฐานของเราก็พร้อมใช้งานแล้ว

นั่นคือพลังและความสะดวกในการใช้วิธีการให้บริการแพลตฟอร์มกับ GenAI

อาจใช้เวลาสักครู่เพื่อเสร็จสิ้นการปรับใช้และจากนั้นคุณจะเห็นสถานะที่เปลี่ยนเป็น กำลังทำงาน:

5

มีลิงก์ ดูเว็บแอป คลิกเพื่อเข้าสู่แอปพลิเคชันแชทสาธิตที่ติดตั้งมาให้กับบริการ ช่วยให้คุณทดสอบการใช้งานได้อย่างง่ายดาย:

6

ข้อความแรกที่คุณส่งจะใช้เวลาเล็กน้อยเนื่องจาก LLM ต้องใช้เวลาในการโหลดเข้าหน่วยความจำในตอนแรก อย่างไรก็ตามข้อความถัดไปของคุณจะถูกส่งอย่างรวดเร็วหลังจากการถ่ายโอนข้อมูลครั้งแรก

แน่นอนว่าเว็บแอปนั้นไม่ใช่ปัญหาหลักของเรา นั่นเป็นเพียงโบนัสเท่านั้น มาเริ่มรวมบริการ LLM เข้ากับแอปพลิเคชันของเราโดยใช้ API กันเถอะ!

ใช้ PAI EAS API ในโค้ด Python

นี่คือโค้ดตัวอย่างที่ใช้บริการ LLM API ที่เพิ่งปรับใช้ของเรา:

7

คุณจะต้องเปลี่ยนพารามิเตอร์ url และ การอนุญาต (บรรทัดที่ 4 และ 6) ด้วยพารามิเตอร์จริงของคุณจาก PAI EAS ในคอนโซล PAI EAS ให้คลิกที่ชื่อบริการที่คุณปรับใช้แล้วคลิก ดูข้อมูลปลายทาง จากหน้าจอ รายละเอียดบริการ ที่ปรากฏ ป็อปอัปที่มี URL ปลายทางและโทเค็นการยืนยันตัวตนจะปรากฏขึ้น

8

กลับไปที่โค้ด Python ของเรา ถ้าเราเรียกใช้โค้ด Python เราจะได้รับการตอบสนองต่อไปนี้:

9

เช่นเดียวกับการปรับใช้ GenAI ที่ใช้ ECS (IaaS) ของเรา LLM ตอบสนองเหมือนกับเป็นโจรสลัด (เพราะทำตามคำสั่งที่ป้อน) และได้ให้ไอเดียสำหรับวันหยุดการล่องเรือของเรา (เพราะคำสั่งของเรา)

สรุป

เมื่อเทียบกับการปรับใช้ก่อนหน้าจากส่วนที่ 1 ของซีรีส์นี้ การปรับใช้และใช้งานทุกอย่างก็ง่ายดายขึ้นและรวดเร็วขึ้น จากชั่วโมงเป็นนาทีเมื่อเทียบกับ ECS!

ตอนนี้คุณอาจถามว่า: JV คุณมีวิธีที่ เร็วกว่านี้ ไหม?

มีสิ!

ครั้งต่อไปในส่วนที่ 3 เราจะตรวจสอบว่ามีวิธีที่เร็วกว่า: Alibaba Cloud Model Studio

แล้วพบกันใหม่!


เกี่ยวกับผู้เขียน: JV เป็นสถาปนิกด้านโซลูชันระดับอาวุโสใน Alibaba Cloud PH และเป็นผู้นำด้านข้อมูลและกลยุทธ์ Generative AI ของทีม หากคุณคิดว่าสิ่งใดในบทความนี้เกี่ยวข้องกับปัญหาทางธุรกิจในปัจจุบันของคุณ โปรดติดต่อ JV ที่ jv.roig@alibaba-inc.com


บทความนี้แปลจากภาษาอังกฤษ ดูบทความต้นฉบับ ที่นี่

0 0 0
Share on

Regional Content Hub

70 posts | 2 followers

You may also like

Comments

Regional Content Hub

70 posts | 2 followers

Related Products