曲线救国|基于函数计算FC3.0部署AI数字绘画stable-diffusion

简介: 曲线救国|基于函数计算FC3.0部署AI数字绘画stable-diffusion

在经过了上一次曲线救国失败经历之后,失败经历参考博文:https://developer.aliyun.com/article/1382950 意外发现可以通过另外一种曲线救国方案来实现基于函数计算FC3.0部署【AI数字绘画stable-diffusion】模型方案,这里说明一下,之所以不选择模版应用【AI数字绘画stable-diffusion自定义模型版】,是由于这个模型不满足曲线救国的方案下面细细道来。

基于函数计算FC2.0部署AI数字绘画stable-diffusion

进入函数计算控制台:https://fcnext.console.aliyun.com/overview 点击【应用】选择AI数字绘画stable-diffusion模版应用

image.png点击【立即创建】进入函数计算FC2.0应用创建页面,选择【通过代码仓库部署】

image.png

这里说明一下:必须选择【通过代码仓库部署】,因为只有这样才能将函数计算FC2.0 AI数字绘画stable-diffusion的代码push到你的github仓库,这样后续才可以切换到函数计算FC3.0体验部署AI数字绘画stable-diffusion。然后下拉页面点击【创建并部署默认环境】

image.png

进入弹框提醒页面,如图勾选后点击【同意并继续部署】

image.png

函数计算FC2.0开始自动化部署

image.png

完成AI数字绘画stable-diffusion模版应用的部署,这里记录一下,整个部署过程耗时1分钟7秒。部署成功后下滑页面,点击【sd】

image.png

查看sd函数的【镜像加速准备状态】为 可用

image.png

回到函数计算FC2.0 AI数字绘画stable-diffusion 部署成功页面

image.png

点击【访问域名】跳转到文生图操作页面,这里说明一下,所有参数按默认的来,直接点击【生成】

image.png

生成图片内容

整个生成过程耗时37.6s,详细的信息

masterpiece,bestquality,verydetailed,extremelydetailedbeautiful,superdetailed,tousledhair,illustration,dynamicangles,girly,fashionclothing,standing,mannequin,lookingatviewer,interview,beach,beautifuldetailedeyes,exquisitelybeautifulface,floating,highsaturation,beautifulanddetailedlightandshadowNegativeprompt:loli,nsfw,logo,text,badhandv4,EasyNegative,ng_deepnegative_v1_75t,rev2-badprompt,verybadimagenegative_v1.3,negative_hand-neg,mutatedhandsandfingers,poorlydrawnface,extralimb,missinglimb,disconnectedlimbs,malformedhands,uglySteps:20,Sampler:Eulera,CFGscale:7,Seed:2882198556,Size:512x512,Modelhash:61e23e57ea,Model:mixProV4.Cqhm,VAEhash:df3c506e51,VAE:cIF8Anime2.43ol.ckpt,Version:v1.6.0Timetaken:37.6sec.A:11.44GB,R:12.29GB,Sys:12.5/14.6104GB(85.5%)

回到我的github代码仓库可以看到 AI数字绘画stable-diffusion 模型代码已经push到我的github仓库中了

image.png

为了防止函数计算FC2.0 模版应用不用时扣费,这里删除刚才部署成功的 AI数字绘画stable-diffusion 应用

image.png

注意:这里一定不要勾选清除代码仓库的选框,你选择清除的话,那么已经push到你的代码仓库的应用就没了,后面就没法进行函数计算FC3.0的部署测试了。

基于函数计算FC3.0部署AI数字绘画stable-diffusion

点击右上角【体验函数计算3.0】切换到函数计算FC3.0控制台

image.png

点击【应用】选择【通过仓库导入应用】

image.png

点击【创建并部署默认环境】

image.png

整个部署过程耗时1分钟9秒,和函数计算FC2.0部署耗时来看无大的变化

image.png

点击【sd】查看sd函数触发器状态 已启用

image.png

回到函数计算FC3.0 AI数字绘画stable-diffusion 部署成功页面

image.png

点击【访问域名】进入文生图页面,所有参数还是默认,点击【生成】

image.png

文生图结果如图

整个文生图过程耗时21s,相较于函数计算FC2.0的文生图速度,提升了将近一半,详细信息如下

masterpiece,bestquality,verydetailed,extremelydetailedbeautiful,superdetailed,tousledhair,illustration,dynamicangles,girly,fashionclothing,standing,mannequin,lookingatviewer,interview,beach,beautifuldetailedeyes,exquisitelybeautifulface,floating,highsaturation,beautifulanddetailedlightandshadowNegativeprompt:loli,nsfw,logo,text,badhandv4,EasyNegative,ng_deepnegative_v1_75t,rev2-badprompt,verybadimagenegative_v1.3,negative_hand-neg,mutatedhandsandfingers,poorlydrawnface,extralimb,missinglimb,disconnectedlimbs,malformedhands,uglySteps:20,Sampler:Eulera,CFGscale:7,Seed:1377171943,Size:512x512,Modelhash:61e23e57ea,Model:mixProV4.Cqhm,VAEhash:df3c506e51,VAE:cIF8Anime2.43ol.ckpt,Version:v1.6.0Timetaken:21.0sec.A:11.48GB,R:12.42GB,Sys:12.4/14.6104GB(85.1%)

为了防止不必要的扣费,这里删除部署的应用

image.png

勾选后点击【删除应用及所选资源】即可。

总结

到这里,整个基于函数计算FC2.0 和函数计算FC3.0 部署 AI数字绘画stable-diffusion 的操作就算完成了,这个过程加上记录操作过程博文的时间,耗时3小时,大家如果不用博文记录的话,直接按文档操作,耗时15分钟足够。

实验过程虽然说是曲线救国的方案,但是实验体验整体上还是很满意的,部署很流畅,部署成功后的文生图效果以及文生图速度很满意,记得之前在函数计算FC2.0部署文生图模版应用时还时不时会出现部署成功但是文生图一直执行30分钟不出图片的情况。这里函数计算FC3.0文生图效果很好很快,相比函数计算FC2.0 应用部署页面操作也简化了,而过去习惯的的操作也保留了,整体上体验感拉满,赞。


相关实践学习
【AI破次元壁合照】少年白马醉春风,函数计算一键部署AI绘画平台
本次实验基于阿里云函数计算产品能力开发AI绘画平台,可让您实现“破次元壁”与角色合照,为角色换背景效果,用AI绘图技术绘出属于自己的少年江湖。
从 0 入门函数计算
在函数计算的架构中,开发者只需要编写业务代码,并监控业务运行情况就可以了。这将开发者从繁重的运维工作中解放出来,将精力投入到更有意义的开发任务上。
相关文章
|
4月前
|
存储 机器学习/深度学习 算法
​​LLM推理效率的范式转移:FlashAttention与PagedAttention正在重塑AI部署的未来​
本文深度解析FlashAttention与PagedAttention两大LLM推理优化技术:前者通过分块计算提升注意力效率,后者借助分页管理降低KV Cache内存开销。二者分别从计算与内存维度突破性能瓶颈,显著提升大模型推理速度与吞吐量,是当前高效LLM系统的核心基石。建议收藏细读。
828 125
|
3月前
|
人工智能 物联网 调度
边缘大型AI模型:协作部署与物联网应用——论文阅读
论文《边缘大型AI模型:协作部署与物联网应用》系统探讨了将大模型(LAM)部署于边缘网络以赋能物联网的前沿框架。针对传统云端部署高延迟、隐私差的问题,提出“边缘LAM”新范式,通过联邦微调、专家混合与思维链推理等技术,实现低延迟、高隐私的分布式智能。
802 6
边缘大型AI模型:协作部署与物联网应用——论文阅读
|
3月前
|
人工智能 测试技术 API
构建AI智能体:二、DeepSeek的Ollama部署FastAPI封装调用
本文介绍如何通过Ollama本地部署DeepSeek大模型,结合FastAPI实现API接口调用。涵盖Ollama安装、路径迁移、模型下载运行及REST API封装全过程,助力快速构建可扩展的AI应用服务。
963 6
|
4月前
|
人工智能 Ubuntu 前端开发
Dify部署全栈指南:AI从Ubuntu配置到HTTPS自动化的10倍秘籍
本文档介绍如何部署Dify后端服务及前端界面,涵盖系统环境要求、依赖安装、代码拉取、环境变量配置、服务启动、数据库管理及常见问题解决方案,适用于开发与生产环境部署。
913 1
|
4月前
|
人工智能 Kubernetes 安全
重塑云上 AI 应用“运行时”,函数计算进化之路
回顾历史,电网的修建,深刻地改变了世界的经济地理和创新格局。今天,一个 AI 原生的云端运行时的进化,其意义也远不止于技术本身。这是一次设计哲学的升华:从“让应用适应平台”到“让平台主动理解和适应智能应用”的转变。当一个强大、易用、经济且安全的 AI 运行时成为像水电一样的基础设施时,它将极大地降低创新的门槛。一个独立的开发者、一个小型创业团队,将有能力去创造和部署世界级的 AI 应用。这才是技术平权的真谛,是激发全社会创新潜能的关键。
|
4月前
|
存储 人工智能 安全
企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
通过 Sandbox 与 Serverless 的深度融合,AI Agent 不再是“黑盒”实验,而是可被企业精准掌控的生产力工具。这种架构不仅适配当前 AI Agent 的动态交互特性,更为未来多模态 Agent、跨系统协作等复杂场景提供了可复用的技术底座。若您的企业正面临 AI Agent 规模化落地的挑战,不妨从 Sandbox 架构入手,结合函数计算 FC 的能力,快速验证并构建安全、高效、可扩展的 AI 应用系统。
|
3月前
|
机器学习/深度学习 人工智能 监控
Java与AI模型部署:构建企业级模型服务与生命周期管理平台
随着企业AI模型数量的快速增长,模型部署与生命周期管理成为确保AI应用稳定运行的关键。本文深入探讨如何使用Java生态构建一个企业级的模型服务平台,实现模型的版本控制、A/B测试、灰度发布、监控与回滚。通过集成Spring Boot、Kubernetes、MLflow和监控工具,我们将展示如何构建一个高可用、可扩展的模型服务架构,为大规模AI应用提供坚实的运维基础。
317 0
|
机器学习/深度学习 TensorFlow 算法框架/工具
Serverless助力AI计算:阿里云ACK Serverless/ECI发布GPU容器实例
ACK Serverless(Serverless Kubernetes)近期基于ECI(弹性容器实例)正式推出GPU容器实例支持,让用户以serverless的方式快速运行AI计算任务,极大降低AI平台运维的负担,显著提升整体计算效率。
11726 0
|
3月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
508 30