函数计算如果想使用GPU，只能打包成DOCKER镜像上传，对么？

不一定需要打包成Docker镜像上传，也可以使用函数计算提供的Serverless GPU官方基础镜像。

函数计算平台为使用GPU的应用场景提供了便利的选项，其中包括但不限于以下内容：

1. 官方基础镜像：函数计算Serverless GPU提供了多个官方基础镜像，这些镜像包括了主流的机器学习框架和热门模型平台，例如PyTorch、TensorFlow和PaddlePaddle等。这些镜像已经预先配置好了相应的环境和依赖，用户可以直接使用，无需自行安装和配置环境。
2. 自定义Docker镜像：如果官方的基础镜像不能满足特定需求，用户可以选择构建自己的Docker镜像。这样做可以更精细地控制计算环境和所依赖的软件库。构建镜像时，需要注意CUDA版本选择以及可能出现的构建错误和解决方案。
3. 容器镜像的优势：使用容器镜像作为函数交付物可以简化应用的Serverless化过程，保持开发和线上环境的一致性。此外，函数计算支持的容器镜像具有更大的代码限制，并且利用分层缓存机制，可以有效提高开发效率和降低冷启动延迟。

总的来说，函数计算平台为使用GPU的函数提供了灵活的选择，用户可以根据自己的需求和偏好，选择直接使用官方提供的基础镜像，或者自行构建并上传Docker镜像。

是的
--此回答整理自钉群“阿里函数计算官网客户”

是的，对于阿里云的函数计算（Function Compute）服务，目前支持通过容器镜像部署并使用GPU资源。也就是说，如果你想在函数计算中使用GPU，确实需要将你的应用环境和代码打包成Docker镜像，并配置对应的GPU规格进行部署。

具体操作时，你需要创建一个基于GPU的函数计算实例，并在构建Docker镜像时确保其包含相应的GPU驱动以及所需的深度学习框架等依赖。这样，在函数运行时就可以利用到GPU资源了。