Serverless架构下的AI应用开发：入门、实战与性能优化

　　内容简介 这是一部指导读者在Serverless 架构下开发、部署和运维机器学习项目的实战性著作。 本书由阿里巴巴官方出品，来自阿里云和蚂蚁集团的Serverless产品专家、AI算法专家、Serverless解决方案架构师、Serverless工具链技术负责人联合撰写，全方位地梳理和总结了阿里在Serverless架构下的机器学习实战经验，得到了企业界和学术界的10余位专家的高度认可。 具体内容上，本书主要包含如下几个方面： （1）Serverless架构基础 详细介绍了Serverless架构的概念、特点和应用场景，Serverless架构下的应用开发、部署的流程和方法，以及传统的Web框架如何向Serverless架构迁移和部署，这些都是在Serverless架构下开发和部署应用必备的基础知识。 （2）机器学习算法和机器学习框架在Serverless架构下的应用 详细讲解了支持向量机、神经网络等各种机器学习常用的算法和模型，以及Scikit-learn、TensorFlow、Pytorch、PaddlePaddle等4种主流深度学习框架与Serverless架构的结合，为读者在Serverless架构下开发机器学习应用打下基础。 （3）Serverless架构下的机器学习项目实战 首先通过几个实战案例讲解了图像识别、模型升级、情感分析等机器学习领域的高频应用的Serverless化，为传统的AI应用迁移和部署到Serverless架构给出指引；然后通过两个综合案例讲解了机器学习应用在Serverless架构上从设计、开发、部署到运维的全流程。 （4）Serverless应用性能优化 总结了Serverless架构下应用性能优化的方法和经验，比如冷启动的优化方案、开发注意事项等。

　　刘宇 国防科技大学博士、阿里云Serverless产品侧负责人、阿里战略级开源项目Serverless Devs发起人。阿里云“麒麟布道师”、云原生“十佳布道师”、阿里巴巴“2021年度开源先锋人物”。著有畅销书《Serverless架构》《Serverless工程实践》，以及《架构师特刊：人人都能学会的 Serverless 实践》《Serverless开发速查手册》等电子书。 田初东 浙江大学硕士，先后在蚂蚁集团从事深度学习、机器学习等人工智能算法相关的工作，有多年项目实践经验。擅长使用TensorFlow、PyTorch、MXNet等框架开发项目，尤其在深度学习分布式训练领域有丰富的经验。曾在华为为团队夺得斯坦福DAWNBench榜单第一（2018.12-2019.05）。 卢萌凯 阿里云 Serverless 高级解决方案架构师，先后在华为企业业务、腾讯云、阿里云从事企业客户 IT 技术与信息化建设、Serverless 产品设计、Serverless 解决方案设计以及 Serverless 布道等工作。 王仁达 阿里云高级技术专家，阿里云Serverless工具链技术负责人。先后在百度、阿里云从事集群管理、云原生应用管理、Serverless相关工作，致力于提升用户上云及用云效率。

序一
序二
序三
序四
序五
前言
第1章　初识Serverless架构1
1.1　Serverless架构的概念1
1.2　Serverless架构的特点3
1.2.1　优势与价值3
1.2.2　面临的挑战8
1.3　Serverless架构的应用场景16
第2章　Serverless架构下的应用开发21
2.1　Serverless架构下的应用开发流程21
2.2　与ServerFul应用开发流程对比23
2.3　传统Web框架部署与迁移26
2.3.1　请求集成方案26
2.3.2　其他方案31
2.4　Serverless应用的开发和部署34
2.4.1　如何开发、部署Serverless应用34
2.4.2　如何对Serverless应用进行调试45
2.4.3　通过开发者工具进行依赖安装和项目构建54
2.4.4　Serverless架构与CI/CD工具的结合57
2.5　Serverless应用的可观测性65
第3章　机器学习入门68
3.1　什么是人工智能68
3.1.1　人工智能、机器学习和深度学习68
3.1.2　人工智能的发展69
3.1.3　人工智能的典型应用场景71
3.2　常用的机器学习算法73
3.2.1　常见的监督学习算法73
3.2.2　常见的无监督学习算法85
3.2.3　其他常见的深度学习模型88
第4章　主流机器学习框架与Serverless架构结合113
4.1　scikit-learn与Serverless架构结合113
4.1.1　scikit-learn介绍113
4.1.2　scikit-learn实践：鸢尾花数据分类114
4.1.3　与Serverless架构结合：文本分类116
4.2　TensorFlow与Serverless架构结合122
4.2.1　TensorFlow介绍122
4.2.2　TensorFlow实践：基于人工智能的衣物区分124
4.2.3　与Serverless架构结合：目标检测系统127
4.3　PyTorch与Serverless架构结合133
4.3.1　PyTorch介绍133
4.3.2　PyTorch实践：图像分类系统134
4.3.3　与Serverless架构结合：对姓氏进行分类138
4.4　PaddlePaddle与Serverless架构结合143
4.4.1　PaddlePaddle介绍143
4.4.2　PaddlePaddle实践：手写数字识别任务144
4.4.3　与Serverless架构结合：Paddle-OCR项目开发与部署146
第5章　Serverless架构下的AI项目实战152
5.1　Serverless架构下的AI应用152
5.1.1　项目的开发与部署153
5.1.2　冷启动优化153
5.1.3　训练与推理性能优化154
5.1.4　模型更新迭代方案155
5.2　模型升级在Serverless架构下的实现与应用155
5.2.1　模型升级迭代需求背景介绍155
5.2.2　猫狗识别项目训练156
5.2.3　将模型部署到Serverless架构164
5.2.4　用户反馈与模型迭代170
5.2.5　项目总结173
5.3　人脸识别在Serverless架构下的应用174
5.3.1　人脸识别技术介绍174
5.3.2　人脸识别模型训练176
5.3.3　人脸识别模型的应用182
5.3.4　项目Serverless化184
5.3.5　项目总结186
5.4　文本情感分析在Serverless架构下的应用187
5.4.1　文本情感分析介绍187
5.4.2　情感分析模型的训练187
5.4.3　部署到Serverless架构195
5.4.4　项目Serverless化198
5.4.5　项目总结200
第6章　基于Serverless架构的智能问答系统201
6.1　需求分析201
6.2　整体设计203
6.2.1　数据库设计203
6.2.2　原型图设计203
6.2.3　接口设计203
6.2.4　架构设计206
6.3　项目开发208
6.3.1　项目初始化208
6.3.2　数据库与表的建设209
6.3.3　管理后台相关能力的配置211
6.3.4　业务逻辑开发213
6.4　项目部署与运维218
6.5　项目预览223
6.6　项目总结224
第7章　基于Serverless架构的人工智能相册小程序226
7.1　需求分析226
7.2　整体设计228
7.2.1　数据库设计228
7.2.2　原型图设计231
7.2.3　细节设计232
7.2.4　架构设计233
7.3　项目开发237
7.3.1　项目初始化237
7.3.2　小程序开发239
7.3.3　服务端开发246
7.3.4　管理系统开发253
7.4　项目预览254
7.5　经验积累257
7.5.1　Web框架与阿里云函数计算257
7.5.2　如何进行本地调试258
第8章　Serverless应用的优化与注意事项261
8.1　函数基础与资源编排261
8.1.1　函数并不是“函数”261
8.1.2　对无状态性的认识264
8.1.3　资源评估的重要性265
8.1.4　工作流的加持267
8.2　警惕冷启动268
8.2.1　云厂商侧的冷启动优化方案269
8.2.2　开发者侧降低冷启动影响的方案271
8.3　应用开发注意事项275
8.3.1　如何上传文件276
8.3.2　文件读写与持久化方法277
8.3.3　慎用部分Web框架的特性277
8.3.4　应用组成结构注意事项278
8.3.5　如何实现WebSocket278
8.3.6　善于利用平台特性282