AI触手可及 | 基于函数计算玩转AI大模型

本文涉及的产品
.cn 域名,1个 12个月
函数计算FC,每月15万CU 3个月
简介: 【10月更文挑战第3天】本文介绍了如何利用阿里云函数计算快速部署AI大模型,特别是图像生成 - Stable Diffusion WebUI。函数计算具备部署简单高效、按需付费、弹性伸缩等优势,使得企业能够快速应用AI技术,节省成本并提升效率。文中详细展示了部署步骤及效果,适合开发者快速上手体验AI技术的魅力。

AI触手可及 | 基于函数计算玩转AI大模型

在AI技术蓬勃发展的今天,众多功能强大且类型多样的大模型正引领各行各业的智能化革新与突破性发展。为应对市场竞争,企业纷纷着手构建专属AI大模型,以期精准满足其特定的业务需求。本方案依托阿里云函数计算的强大优势——包括灵活的按量计费模式、出色的弹性伸缩能力,以及高效的快速部署特性,为企业提供了一条快速且有效的路径,以部署和应用AI大模型,从而在激烈的市场竞争中抢占先机。


那么基于函数计算部署AI大模型有哪些优势?

基于函数计算部署AI大模型的优势

这里我们可以直接品味官方部署文档中的描述,就可以对于现下基于函数计算部署AI大模型的优势有一个很清晰的认知

image.png

对于第一点优势,可以说作为开发者我是深有感触。可以说基于阿里云函数计算我也是部署了很多应用,并且体验了很多场景,每一次的体验都可以称得上是部署简单高效,运维简单。你可以基于函数计算提供的人们AI应用模版直接部署,整个操作过程往往都是分钟级搞定,特别省心。

再说第二点优势,函数计算另一个优势就是说充分考虑到了企业的成本投入,作为企业,成本控制自然重要,函数计算可以达到秒级弹性伸缩,按请求计费,真正实现你用多少付费多少,而不会出现因为资源闲置而导致的成本浪费。

最后说第三点优势,函数计算支持当下的比较丰富的Model Scope 开源模型社区,对于开源模型社区推出的新AI大模型,可以快速支持企业落地,完全体现了AI时代下效率为先,快速落地的场景需求。

方案架构

整个基于函数计算部署AI大模型的方案架构设计也是极简话,方便开发者可以快速理解


利用函数计算的无服务器架构,选择相应的大模型应用模板或直接部署模型镜像,结合文件存储 NAS存储应用服务所需的大模型和相关文件,最终通过访问提供的域名进行模型的调用与验证。同时本次部署方案提供了多种场景方面开发者体验基于函数计算部署AI大模型的魅力,包括

image.png

image.png

image.png

image.png

可以说,当下比较热门的AI大模型涉及到的场景,你在这里都可以体验到,并且体验的费用也是很低的,值得每一位开发者来体验AI时代函数计算带来的科技感,详细的部署文档地址:https://www.aliyun.com/solution/tech-solution/fc-for-ai-server?spm=a2c6h.29651818.J_9175035460.3.53f61235S8ayFK

我比较喜欢的是文生图,那么这里我就体验一下图像生成 - Stable Diffusion WebUI。

图像生成 - Stable Diffusion WebUI

点击部署文档中的【立即体验】进入到图像生成 - Stable Diffusion WebUI 的详细操作页面,这里对于方案概览、部署准备、部署操作等每一步都有详细的说明

image.png

详细的操作步骤我们可以按照文档一步一步执行就可以,这里对于部署的具体步骤我这里截取一些关键步骤记录一下。

部署操作

登录函数计算FC3.0控制台,控制台地址:https://fcnext.console.aliyun.com/?spm=a2c4g.2713176.0.0.77d72d8dJYi4tf 点击【应用】直接选择通过模板创建应用,在搜索框输入 AI 数字绘画 Stable Diffusion  

image.png

点击【立即创建】在创建应用页面如果没有授权需要按照页面提示授权,授权完成后在创建页面选择【地域】【镜像选择】-动漫风格,其他选择默认即可

image.png

最后点击【创建应用】,在弹窗中勾选复选框后点击【同意并继续部署】

image.png

部署成功后点击WebUI 域名右侧的域名,等待 1 分钟左右,进入 Stable Diffusion WebUI 页面,

image.png

输入提示词,比如

正向提示词Spring, flowers, willows, little birds, distant green mountains, a boy is climbing up to the mountains, smiles, Pictrue highlight, rich details

反向提示词loli,nsfw, logo, test, badhandv4, EasyNegative, mutated hands and fingers, poorly drawn face, extra limb, missing limb, disconnected limbs, malformed hands, ugly

输入提示词之后,其他默认,点击【生成】就可以实现文生图了,操作特别简单

image.png

生成效果图如下

释放资源

如果你只是为了体验基于函数计算部署AI大模型的感受,那么你已经完成了。对于已经部署的函数计算应用,如果你以后还想玩儿的话,你可以保留应用,需要保证你的WebUI 域名 保密,防止别人请求你的链接造成你的函数计算计费,对你的财产造成损失。如果你后面不想玩儿或者想体验其他的AI大模型应用的话,你可以选择其他应用模版部署,这里直接释放资源就可以。在函数计算应用页点击【删除应用】

image.png

或者在控制台应用列表页找到【删除应用】都可以成功释放资源

image.png

部署总结

到这里,可以说基于函数计算部署AI大模型的操作就完成了,当然也有高阶操作,操作就在部署文档的可选项里面,感兴趣的可以按照步骤操作即可,也是同样的操作简单,部署快捷。这里我主要体验的是图像生成 - Stable Diffusion WebUI ,那么下面也就主要从 图像生成 - Stable Diffusion WebUI 的解读来对提出的问题来逐一回复一下个人的感受。

体验反馈

1、对本解决方案的实践原理理解程度如何?

在部署方案之初,文档中已经对于本次方案部署的架构以及优势做了详细的介绍,那么基于此再进行后面解决方案的部署,也就比较容易理解。整体上是基于函数计算快速部署 Stable Diffusion WebUI,提供生成高质量图像的服务。对于企业来说,无需关心大模型内部的具体算法和实现,可以直接使用函数计算提供的基础 Stable Diffusion 模型,也可以通过创建模型库上传自定义的 Stable Diffusion 模型实现定制化创作需求。充分利用函数计算按需付费,弹性伸缩等优势,高效地为用户提供基于 Stable Diffusion 模型的文本到图像生成服务。

2、在部署体验过程中是否得到足够的引导以及文档帮助?

作为一个函数计算部署的资深体验者,可能在最初部署时会出现漏看步骤而造成的部署过程中报错的情况,之前也是遇到过的。不过部署了很多次之后,总结出来的经验就是,如果你是新手小白,那么你就严格按照部署文档的引导进行一步一步的部署就可以,肯定是最快捷省时的部署。而对于资深体验者,其实只需要告诉具体的 应用模版名称 ,无需文档也可以轻松部署成功的。这就是函数计算的优势,操作简单,极简运维。

3、在部署体验过程是否有效地展现了使用函数计算部署AI大模型的优势?

对于AI大模型的部署,这么说吧,如果你想尝试不基于函数计算部署,那么你可以直接自行去搜罗AI大模型的开源版本,然后自己在服务器部署,那么这样的结果就是,你可能耗时很久依然部署不成功。或者是部署成功了,但是不能正常调用,这样的情况我在最初自己想部署开源文生文大模型时就尝试过,最后可以说是费了九牛二虎之力也只能中途放弃。

但是基于函数计算部署AI大模型就不一样了,函数计算的应用模版已经对你将要部署的AI大模型做了内置化的各种准备,可以说,很多工作函数计算已经提前做好了,那么呈现给企业或者开发者的就是一键部署,高效部署,极简运维,并且可以助力AI创新应用的加速落地。总的来说一句话就是:基于函数计算部署AI大模型--【easy】。

4、部署实践后,是否能够清晰理解解决方案旨在解决的问题及其适用的业务场景?

对于解决方案中提到的适用的业务场景,那是很有价值的。那么在这里,个人也想提出一点关于解决方案中用于解决问题的业务场景的一些建议:

对于企业来说,确实可以通过当前部署之后的访问域名来进行文生图,如果可能的话,企业可能更想将企业的现有系统与当前基于函数计算部署的图像生成 - Stable Diffusion WebUI  应用之间打通,可以通过企业系统平台对 图像生成 - Stable Diffusion WebUI 进行参数配置以及传入文生图正向提示词和反向提示词来生成图片,同时将生成的图片返回给企业系统,这样来实现企业系统与函数计算应用之间的打通。

另外就是希望在函数计算部署成功之后,可以提供手机端或者小程序版或者是H5版本的访问链接,总之就是想通过手机端也可以实时访问 图像生成 - Stable Diffusion WebUI  的文生图页面来实现文生图,这样的话就更好了。

相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
相关文章
|
24天前
|
人工智能 Java Serverless
阿里云函数计算助力AI大模型快速部署
随着人工智能技术的快速发展,AI大模型已经成为企业数字化转型的重要工具。然而,对于许多业务人员、开发者以及企业来说,探索和利用AI大模型仍然面临诸多挑战。业务人员可能缺乏编程技能,难以快速上手AI模型;开发者可能受限于GPU资源,无法高效构建和部署AI应用;企业则希望简化技术门槛,以更低的成本和更高的效率利用AI大模型。
106 12
|
5天前
|
机器学习/深度学习 人工智能 自动驾驶
企业内训|AI大模型在汽车行业的前沿应用研修-某汽车集团
本课程是TsingtaoAI为某汽车集团高级项目经理设计研发,课程全面系统地解析AI的发展历程、技术基础及其在汽车行业的深度应用。通过深入浅出的理论讲解、丰富的行业案例分析以及实战项目训练,学员将全面掌握机器学习、深度学习、NLP与CV等核心技术,了解自动驾驶、智能制造、车联网与智能营销等关键应用场景,洞悉AI技术对企业战略布局的深远影响。
133 97
|
10天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
22天前
|
人工智能 安全 数据安全/隐私保护
文档智能 & RAG让AI大模型更懂业务测评
文档智能 & RAG让AI大模型更懂业务
147 74
|
10天前
|
机器学习/深度学习 人工智能 智能设计
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
VisionFM 是一个多模态多任务的视觉基础模型,专为通用眼科人工智能设计。通过预训练大量眼科图像,模型能够处理多种眼科成像模态,并在多种眼科任务中展现出专家级别的智能性和准确性。
46 4
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
|
24天前
|
机器学习/深度学习 人工智能 自然语言处理
GLM-4V-Flash:智谱 AI 免费开放的图像理解大模型 API 接口
智谱AI推出的GLM-4V-Flash是一款专注于图像理解的免费开放大模型,提供API接口支持用户上传图片URL或Base64编码图片获取详细的图像描述。该模型通过深度学习和卷积神经网络技术,简化了图像分析流程,提高了开发效率,适用于内容审核、辅助视障人士、社交媒体、教育和电子商务等多个应用场景。
118 14
GLM-4V-Flash:智谱 AI 免费开放的图像理解大模型 API 接口
|
27天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
354 34
|
22天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
3天前
|
人工智能 自然语言处理 前端开发
三大行业案例:AI大模型+Agent实践全景
本文将从AI Agent和大模型的发展背景切入,结合51Talk、哈啰出行以及B站三个各具特色的行业案例,带你一窥事件驱动架构、RAG技术、人机协作流程,以及一整套行之有效的实操方法。具体包含内容有:51Talk如何让智能客服“主动进攻”,带来约课率、出席率双提升;哈啰出行如何由Copilot模式升级为Agent模式,并应用到客服、营销策略生成等多个业务场景;B站又是如何借力大模型与RAG方法,引爆了平台的高效内容检索和强互动用户体验。
63 5
|
10天前
|
人工智能 安全 机器人
OpenAI重拾规则系统,用AI版机器人定律守护大模型安全
在人工智能领域,大语言模型(LLM)展现出强大的语言理解和生成能力,但也带来了安全性和可靠性挑战。OpenAI研究人员提出“规则基于奖励(RBR)”方法,通过明确规则引导LLM行为,确保其符合人类价值观和道德准则。实验显示,RBR方法在安全性与有用性之间取得了良好平衡,F1分数达97.1。然而,规则制定和维护复杂,且难以完全捕捉语言的多样性。论文:https://arxiv.org/pdf/2411.01111。
52 13