函数计算：人工智能最佳实践

应用场景与优势

传统的面向人工智能应用的GPU基础设施，通常会面临着建设周期长、运维复杂度高、集群利用率低和成本较高等问题。函数计算的GPU实例将这些问题从用户侧转移至云厂商侧，让您无需关心底层GPU基础设施，完全聚焦于业务本身，极大地简化了业务的实现路径。

在不同的应用场景下，函数计算提供的GPU实例与CPU相比所具备的优势如下。

• 成本优先的AI应用场景

  • 提供弹性预留模式，从而按需为客户保留GPU工作实例，对比自建GPU集群拥有较大成本优势。

  • 提供GPU共享虚拟化，支持以1/2、独占方式使用GPU，允许业务以更精细化的方式配置GPU实例。

• 效率优先的AI应用场景

  • 屏蔽运维GPU集群的繁重负担（驱动/CUDA版本管理、机器运行管理、GPU坏卡管理），使得开发者专注于代码开发、聚焦业务目标的达成。

GPU实例的更多信息，请参见实例类型及使用模式。

神经风格迁移教程

神经风格迁移是一种生成技术，主要用来合成两张图像，即从其中一张图像提取内容，另一张图像提取风格，以合成一张新图像。本示例通过使用TensorFlow Hub预置模型，完成任意图像的风格合成。

合成效果

前提条件

• 通用

  • GPU实例仅支持通过容器镜像方式部署。

  • 将需处理的音视频资源上传至在GPU实例所在地域的OSS Bucket中，且您对该Bucket中的文件有读写权限。具体步骤，请参见控制台上传文件。权限相关说明，请参见修改存储空间读写权限。

通过函数计算控制台部署GPU应用

1. 部署镜像。

   1. 建容器镜像服务的企业版实例或个人版实例。

      推荐您创建企业版实例。具体操作步骤，请参见创建企业版实例。

   2. 创建命名空间和镜像仓库。

      具体操作步骤，请参见步骤二：创建命名空间和步骤三：创建镜像仓库。

   3. 在容器镜像服务控制台，根据界面提示完成Docker相关操作步骤。然后将上述示例app.py和Dockerfile推送至实例镜像仓库。

      

2. 创建GPU函数。具体操作步骤，请参见创建Custom Container函数。

3. 修改函数的执行超时时间。

   1. 在目标函数的配置页签，在左侧导航栏，选择运行时，然后单击运行时右侧的编辑。

   2. 在运行时面板，修改执行超时时间，然后单击确定。

   说明

   CPU转码耗时会超过默认的60s，因此建议您修改执行超时时间为较大的值。

4. 配置GPU预留实例。关于配置预留实例的具体操作，请参见配置预留实例。

   配置完成后，您可以在规则列表查看预留的GPU实例是否就绪。即当前预留实例数是否为设置的预留实例数。

5. 使用cURL测试函数。

   1. 在函数详情页面，单击配置页签，然后在左侧导航栏，选择触发器，查看触发器的配置信息，获取触发器的访问地址。

   2. 在命令行执行如下命令，调用GPU函数。

      • 查看线上函数版本

        curl -v "https://tgpu-ff-console-tgpu-ff-console-ajezot****.cn-shenzhen.fcapp.run"
        {"function": "trans_gpu"}

      • 执行风格迁移

        curl "https://tgpu-fu-console-tgpu-se-console-zpjido****.cn-shenzhen.fcapp.run" -H 'RUN-MODE: normal'
        {"result": "transfer ok"}

结果验证

您可通过在浏览器中访问以下域名，查看经过风格合成处理后的图片：

https://cri-zbtsehbrr8******-registry.oss-cn-shenzhen.aliyuncs.com/stylized-image.png

本域名仅为示例，需以实际情况为准。