ImageAI 部署到 Serverless 架构上进行项目优化时,为什么有一定的复杂度??
本项目采用的是阿里云函数计算的 Python 运行时。相对来说,该运行时与人工智能项目相结合 存在一定的复杂度: 1.由于 Tensorflow 等依赖比较大,而通常情况下,函数计算可以上传的代码包大小在 100M 以 下,这就导致模型与依赖很难同步部署到 Serverless 架构下;虽然本项目采用了 NAS 作为挂 在盘,完成了大依赖包以及模型文件的上传和加载,但是在开发和部署环节相对比较复杂, 比较难上手;可以通过容器镜像等运行时降低这一部分的复杂度; 2.由于 FaaS 平台的环境在很多情况下都会和开发者的本地环境有一定的差异,所以在安装一 些需要编译的依赖时会存在一定的无法跨平台运行,所以此时就需要准备和 FaaS 平台一致 的环境进行以来的安装和项目的打包,虽然有类似 Serverless Devs 的开发者工具协助依赖 安装和项目打包,但是在一定程度上还是相对复杂的,此时同样可以通过容器镜像等运行时 降低这一部分的复杂度;
答复内容摘自《Serverless 开发速查手册》,这本电子书收录开发者藏经阁 下载连接:https://developer.aliyun.com/ebook/download/7490
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。