Serverless架構(gòu)下的AI應(yīng)用開(kāi)發(fā)：入門(mén)、實(shí)戰(zhàn)與性能優(yōu)化

序一
序二
序三
序四
序五
前言
第1章　初識(shí)Serverless架構(gòu)1
1.1　Serverless架構(gòu)的概念1
1.2　Serverless架構(gòu)的特點(diǎn)3
1.2.1　優(yōu)勢(shì)與價(jià)值3
1.2.2　面臨的挑戰(zhàn)8
1.3　Serverless架構(gòu)的應(yīng)用場(chǎng)景16
第2章　Serverless架構(gòu)下的應(yīng)用開(kāi)發(fā)21
2.1　Serverless架構(gòu)下的應(yīng)用開(kāi)發(fā)流程21
2.2　與ServerFul應(yīng)用開(kāi)發(fā)流程對(duì)比23
2.3　傳統(tǒng)Web框架部署與遷移26
2.3.1　請(qǐng)求集成方案26
2.3.2　其他方案31
2.4　Serverless應(yīng)用的開(kāi)發(fā)和部署34
2.4.1　如何開(kāi)發(fā)、部署Serverless應(yīng)用34
2.4.2　如何對(duì)Serverless應(yīng)用進(jìn)行調(diào)試45
2.4.3　通過(guò)開(kāi)發(fā)者工具進(jìn)行依賴(lài)安裝和項(xiàng)目構(gòu)建54
2.4.4　Serverless架構(gòu)與CI/CD工具的結(jié)合57
2.5　Serverless應(yīng)用的可觀測(cè)性65
第3章　機(jī)器學(xué)習(xí)入門(mén)68
3.1　什么是人工智能68
3.1.1　人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)68
3.1.2　人工智能的發(fā)展69
3.1.3　人工智能的典型應(yīng)用場(chǎng)景71
3.2　常用的機(jī)器學(xué)習(xí)算法73
3.2.1　常見(jiàn)的監(jiān)督學(xué)習(xí)算法73
3.2.2　常見(jiàn)的無(wú)監(jiān)督學(xué)習(xí)算法85
3.2.3　其他常見(jiàn)的深度學(xué)習(xí)模型88
第4章　主流機(jī)器學(xué)習(xí)框架與Serverless架構(gòu)結(jié)合113
4.1　scikit-learn與Serverless架構(gòu)結(jié)合113
4.1.1　scikit-learn介紹113
4.1.2　scikit-learn實(shí)踐：鳶尾花數(shù)據(jù)分類(lèi)114
4.1.3　與Serverless架構(gòu)結(jié)合：文本分類(lèi)116
4.2　TensorFlow與Serverless架構(gòu)結(jié)合122
4.2.1　TensorFlow介紹122
4.2.2　TensorFlow實(shí)踐：基于人工智能的衣物區(qū)分124
4.2.3　與Serverless架構(gòu)結(jié)合：目標(biāo)檢測(cè)系統(tǒng)127
4.3　PyTorch與Serverless架構(gòu)結(jié)合133
4.3.1　PyTorch介紹133
4.3.2　PyTorch實(shí)踐：圖像分類(lèi)系統(tǒng)134
4.3.3　與Serverless架構(gòu)結(jié)合：對(duì)姓氏進(jìn)行分類(lèi)138
4.4　PaddlePaddle與Serverless架構(gòu)結(jié)合143
4.4.1　PaddlePaddle介紹143
4.4.2　PaddlePaddle實(shí)踐：手寫(xiě)數(shù)字識(shí)別任務(wù)144
4.4.3　與Serverless架構(gòu)結(jié)合：Paddle-OCR項(xiàng)目開(kāi)發(fā)與部署146
第5章　Serverless架構(gòu)下的AI項(xiàng)目實(shí)戰(zhàn)152
5.1　Serverless架構(gòu)下的AI應(yīng)用152
5.1.1　項(xiàng)目的開(kāi)發(fā)與部署153
5.1.2　冷啟動(dòng)優(yōu)化153
5.1.3　訓(xùn)練與推理性能優(yōu)化154
5.1.4　模型更新迭代方案155
5.2　模型升級(jí)在Serverless架構(gòu)下的實(shí)現(xiàn)與應(yīng)用155
5.2.1　模型升級(jí)迭代需求背景介紹155
5.2.2　貓狗識(shí)別項(xiàng)目訓(xùn)練156
5.2.3　將模型部署到Serverless架構(gòu)164
5.2.4　用戶(hù)反饋與模型迭代170
5.2.5　項(xiàng)目總結(jié)173
5.3　人臉識(shí)別在Serverless架構(gòu)下的應(yīng)用174
5.3.1　人臉識(shí)別技術(shù)介紹174
5.3.2　人臉識(shí)別模型訓(xùn)練176
5.3.3　人臉識(shí)別模型的應(yīng)用182
5.3.4　項(xiàng)目Serverless化184
5.3.5　項(xiàng)目總結(jié)186
5.4　文本情感分析在Serverless架構(gòu)下的應(yīng)用187
5.4.1　文本情感分析介紹187
5.4.2　情感分析模型的訓(xùn)練187
5.4.3　部署到Serverless架構(gòu)195
5.4.4　項(xiàng)目Serverless化198
5.4.5　項(xiàng)目總結(jié)200
第6章　基于Serverless架構(gòu)的智能問(wèn)答系統(tǒng)201
6.1　需求分析201
6.2　整體設(shè)計(jì)203
6.2.1　數(shù)據(jù)庫(kù)設(shè)計(jì)203
6.2.2　原型圖設(shè)計(jì)203
6.2.3　接口設(shè)計(jì)203
6.2.4　架構(gòu)設(shè)計(jì)206
6.3　項(xiàng)目開(kāi)發(fā)208
6.3.1　項(xiàng)目初始化208
6.3.2　數(shù)據(jù)庫(kù)與表的建設(shè)209
6.3.3　管理后臺(tái)相關(guān)能力的配置211
6.3.4　業(yè)務(wù)邏輯開(kāi)發(fā)213
6.4　項(xiàng)目部署與運(yùn)維218
6.5　項(xiàng)目預(yù)覽223
6.6　項(xiàng)目總結(jié)224
第7章　基于Serverless架構(gòu)的人工智能相冊(cè)小程序226
7.1　需求分析226
7.2　整體設(shè)計(jì)228
7.2.1　數(shù)據(jù)庫(kù)設(shè)計(jì)228
7.2.2　原型圖設(shè)計(jì)231
7.2.3　細(xì)節(jié)設(shè)計(jì)232
7.2.4　架構(gòu)設(shè)計(jì)233
7.3　項(xiàng)目開(kāi)發(fā)237
7.3.1　項(xiàng)目初始化237
7.3.2　小程序開(kāi)發(fā)239
7.3.3　服務(wù)端開(kāi)發(fā)246
7.3.4　管理系統(tǒng)開(kāi)發(fā)253
7.4　項(xiàng)目預(yù)覽254
7.5　經(jīng)驗(yàn)積累257
7.5.1　Web框架與阿里云函數(shù)計(jì)算257
7.5.2　如何進(jìn)行本地調(diào)試258
第8章　Serverless應(yīng)用的優(yōu)化與注意事項(xiàng)261
8.1　函數(shù)基礎(chǔ)與資源編排261
8.1.1　函數(shù)并不是“函數(shù)”261
8.1.2　對(duì)無(wú)狀態(tài)性的認(rèn)識(shí)264
8.1.3　資源評(píng)估的重要性265
8.1.4　工作流的加持267
8.2　警惕冷啟動(dòng)268
8.2.1　云廠(chǎng)商側(cè)的冷啟動(dòng)優(yōu)化方案269
8.2.2　開(kāi)發(fā)者側(cè)降低冷啟動(dòng)影響的方案271
8.3　應(yīng)用開(kāi)發(fā)注意事項(xiàng)275
8.3.1　如何上傳文件276
8.3.2　文件讀寫(xiě)與持久化方法277
8.3.3　慎用部分Web框架的特性277
8.3.4　應(yīng)用組成結(jié)構(gòu)注意事項(xiàng)278
8.3.5　如何實(shí)現(xiàn)WebSocket278
8.3.6　善于利用平臺(tái)特性282