全部产品
Search
文档中心

函数计算:图像处理最佳实践

更新时间:Oct 20, 2023

您可以通过函数计算控制台、SDK或Serverless Devs来体验GPU实例的最佳实践。本文以Python语言为例,说明如何通过控制台,将原始图像经过函数代码处理,实现边缘检测。

应用场景与优势

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。

  • 实时、准实时的应用场景

    • 提供数倍于CPU的图形图像处理效率,从而快速将生产内容推向终端用户。

  • 成本优先的图像处理场景

    • 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。

  • 效率优先的图像处理场景

    • 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

教程示例说明

如下表所示,左列为原图,右列是经过部署在函数计算的边缘检测函数代码处理后,所生成的图片。

原始图像

边缘检测结果

image_processing_exampleimage_processing_result_example

准备工作

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。
    3. 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.pyDockerfile推送至实例镜像仓库,文件信息,请参见通过ServerlessDevs部署GPU应用时/code目录中的app.pyDockerfile
      db-acr-docker
  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. 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,单击触发器管理页签,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 "https://tgpu-op-console-tgpu-op-console-ajezokddpx.cn-shenzhen.fcapp.run"
        {"function": "opencv_edge_canny"}
      • 执行图片边缘检测

        curl "https://tgpu-op-console-tgpu-op-console-ajezokddpx.cn-shenzhen.fcapp.run" -H "RUN-MODE: normal"
        {"result": "CUDA-capable device supported | process image ok!"}

执行结果

您可通过在浏览器中访问以下域名,查看经过边缘检测处理后的图片:

https://cri-zfen7xhpsx******-registry.oss-cn-shenzhen.aliyuncs.com/cats2.png

本域名仅为示例,需以实际情况为准。