函数计算：图像处理最佳实践

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

准备工作

• OpenCV需要自行编译以使用GPU加速，编译方式如下：

  • （推荐）通过Docker使用已编译好的OpenCV。下载地址：opencv-cuda-docker或cuda-opencv

  • 自行编译。具体步骤，请参见官网编译手册。

• 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，文件信息，请参见通过ServerlessDevs部署GPU应用时/code目录中的app.py和Dockerfile。
      

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!"}