- AWS 解决方案库›
- 有关如何在 AWS 上通过 Stable Diffusion 使用人工智能生成的图像的指引
有关如何在 AWS 上通过 Stable Diffusion 使用人工智能生成的图像的指引
利用高效的图像生成功能构建和扩展生成式人工智能应用程序
概览
工作原理
此架构图显示了如何使用稳定的扩散 API 将应用程序分离为托管在亚马逊 SageMaker 上的训练和推理组件。
Well-Architected 支柱
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
AWS CloudFormation 是一项服务，可帮助您通过持续集成和持续交付 (CI/CD) 自动化来自动化、测试和部署基础设施作为代码模板。您可以在 Amazon CloudW atch 中使用 CloudWatch 日志，它允许您监控、存储和访问来自 Lambda 和 SageMaker 的日志文件，从而帮助您记录请求并可视化基础服务的状态。通过 CloudWatch Logs 监控和存储日志文件可帮助您快速分析和排除请求。
在开发函数时，您可以在 Lambda 中使用版本控制来保存函数的代码和配置。除了别名之外，您还可以使用版本控制来执行蓝/绿和滚动部署。此外，通过使用 CloudFormation，您可以获得具有模板的生产环境、沙盒开发功能和用于提高运营控制水平的测试环境。
API Gateway 使用资源策略来控制指定的委托人（通常是 AWS 身份和访问管理 (IAM) 角色或群组）是否可以调用 API。所有 IAM 策略的范围都限制在 Lambda 和 SageMaker 正常运行所需的最低权限范围内。通过将 API Gateway 资源和 IAM 策略的范围限定在所需的最低权限范围内，您可以限制对应用程序和资源的未经授权的访问。
阅读安全白皮书Lambda 在多个可用区运行函数，以确保在单个区域服务中断时可以处理事件。此外，Lambda 会自动重试错误，但两次重试之间会出现延迟。
Amazon S3 在给定年份中提供 99.9999999%（11 个 9 个）的耐久性和 99.99% 的对象可用性，这可以帮助您高可靠地存储模型和数据资源。
API Gateway 对稳定状态速率设置限制，并针对您账户中的所有 API 大量提交请求。您可以为 API 配置自定义节流。通过限制每秒或每分钟的请求次数，可以防止后端系统不堪重负，并保持 API 的可靠性。
最后，SageMaker 与 Amazon S3 相结合，有助于支持您的数据弹性和备份需求。SageMaker 负责训练和部署机器学习 (ML) 模型所需的底层基础设施，而 AWS 则管理计算实例、存储和网络组件，确保高可用性和弹性。
Lambda 经过精心设计，可自动提供托管扩展。当您的函数在处理先前的请求时收到请求时，Lambda 会启动您的函数的另一个实例来处理增加的负载。随着流量的增加，Lambda 会增加函数的并行执行次数。
阅读性能效率白皮书Lambda 使用按使用量付费的计费模式，在这种模式下，您只需按函数运行时间计费。
SageMaker 根据工作负载要求自动预置和扩展计算资源来管理您的机器学习基础架构。
Lambda 是一种无服务器计算服务，这意味着您无需预置或管理服务器。它会根据传入的事件自动扩展您的代码，而且您只需为所使用的计算时间付费。与基于服务器的传统架构相比，这种无服务器架构消除了对空闲服务器的需求，因此降低了能耗。
借助 Lambda，您可以优化计算资源的利用率，从而将应用程序分解为可以独立扩展的单个函数。这样的精细扩展可以实现高效的资源分配，因为您只在特定的函数积极处理请求时才为这些函数分配资源。这样就无需过度预置资源，因此提高了资源利用率并减少了浪费。
免责声明
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。