Yolo 深圳
深セン
今すぐ参加
用語集

サーバーレスコンピューティング

サーバーレスコンピューティングが、スケーラビリティ、コスト効率、迅速なデプロイメントでAI/MLに革命をもたらす様子をご覧ください。よりスマートに、より速く、今すぐ構築しましょう!

サーバーレス・コンピューティングとは、クラウド・プロバイダーがサーバーの割り当てとプロビジョニングを動的に管理するクラウドの実行モデルである。 クラウド・プロバイダーがサーバーの割り当てとプロビジョニングを動的に管理するため、開発者は基盤となるインフラを管理することなくアプリケーションを構築・実行できる。 インフラを管理することなくアプリケーションを構築・実行できる。このアーキテクチャでは、コードは特定のイベントによってトリガーされるステートレス・コンテナで実行される、 ゼロから数千のリクエストまで瞬時に自動的にスケーリングされる。この従量課金モデルは、トラフィックが変動するワークロードに対して非常に効率的です。 この従量課金モデルは、トラフィックが変動するワークロードに対して非常に効率的であり、最新の 機械学習(ML)アプリケーション開発 およびクラウド・コンピューティング戦略の要となっている。

サーバーレスのメカニズム

サーバーレス・コンピューティングの核心は FaaS(Function-as-a-Service)パラダイムだ。モノリシックなアプリケーションをデプロイする代わりに モノリシックなアプリケーションをデプロイする代わりに、ロジックは単一のタスクを実行する個々の機能に分解される。これらのファンクションは イベントドリブンであり、アクションによってトリガーされたときにのみ実行される。 API Gateway経由のHTTPリクエスト、Amazon S3のようなストレージサービスへのファイルアップロード、データベースの更新など、アクションがトリガーされたときにのみ実行される。 Amazon S3のようなストレージサービスへのファイルのアップロード、データベースの更新などだ。

クラウド・プロバイダーは、オペレーティング・システムのメンテナンス、キャパシティ・プロビジョニング、スケーラビリティなど、運用上のオーバーヘッドをすべて処理する。 プロビジョニング、スケーラビリティを含むすべての運用オーバーヘッドを処理する。この抽象化によって この抽象化により、チームはコンピュータ・ビジョンやデータ解析のコード作成に専念できるようになる。 コンピュータ・ビジョンやデータ解析のためのコード作成に専念できるようになる。 MLOpsのベストプラクティスで定義された開発ライフサイクルを大幅に加速する。 MLOpsのベスト・プラクティスです。

AIと機械学習におけるサーバーレス

サーバーレスアーキテクチャは、アイドル状態のサーバーにコストをかけることなく、「バースト的な」トラフィックパターンを処理できるため、AIモデルの展開に特に有利である。 「バースト的な」トラフィック・パターンをアイドル・サーバーのコストをかけずに処理できるためだ。

  • オンデマンド推論:リアルタイム推論用のモデルを リアルタイム推論用のモデルを専用サーバーでホスティングすることは が散発的に発生する場合、コストがかかる。サーバーレス関数は YOLO11のようなモデルをユーザーがリクエストしたときだけロードし、画像を処理し 画像を処理し、コスト効率よく予測を返すことができる。
  • データ前処理パイプライン:サーバーレス関数は データ前処理タスクに最適です。例えば 生のデータセットをアップロードすると、画像のリサイズ、ピクセル値の正規化、ファイル形式の変換を行う関数が起動する、 モデルのトレーニングに備える。
  • モデルの再トレーニング:イベント駆動型ワークフローでは、モデル性能の大幅な低下が モデル性能の大幅な低下を 監視ツールによって検出されたモデル性能の大幅な低下は、新しいデータを使用した再トレーニングパイプラインを自動的にトリガすることができます。

Python 例:サーバーレス推論ハンドラ

次のコードは、Ultralytics 軽量モデルをロードして、以下のようなオブジェクト検出を実行する概念的なハンドラ関数を示しています。 オブジェクト検出を実行します。 ハンドラ関数を示します。

from ultralytics import YOLO

# Initialize the model outside the handler to cache it for warm starts
# YOLO11n is chosen for its small size and speed, ideal for serverless environments
model = YOLO("yolo11n.pt")


def lambda_handler(event, context):
    """Simulated serverless handler for performing inference. 'event' contains the input data, e.g., path to an image.
    """
    image_path = event.get("image_path", "data/images/bus.jpg")

    # Run inference
    results = model(image_path)

    # Return the count of detected objects
    return {"status": "success", "objects_detected": len(results[0].boxes)}

実際のアプリケーション

  1. スマートセキュリティシステム:ホームセキュリティカメラは クラウドにスナップショットをアップロードする。 クラウドにアップロードする。このアップロードイベントは、サーバーレス関数(例えば、AWS Lambdaやクラウド上の AWSラムダまたは Google Cloud Functionsなど)で、より正確な検知モデルを実行する。 を実行し、動きが人によるものかペットによるものかを識別し、誤報を減らす。
  2. 農業分析:農業におけるAI 農業AIでは、圃場の画像を撮影したドローンがデータを中央のバケツにアップロードする。 中央のバケットにデータをアップロードできる。これにより並列サーバーレス関数が起動し、数千枚の画像から同時に作物の健康状態を分析する。 クラウドの大規模な並列処理を活用し、数時間ではなく数分で作業を完了する。 数時間ではなく数分で仕事を終える。

関連概念の区別

サーバーレスがフィットする場所を理解するには、類似のテクノロジーと区別する必要がある:

  • サーバーレス対コンテナ化:サーバーレスではしばしばコンテナが使用される、 ようなコンテナ化技術 ようなオーケストレーション・プラットフォームでは、ユーザーがコンテナを管理する必要がある。 Kubernetesのようなオーケストレーション・プラットフォームでは、ユーザーがコンテナ ライフサイクルとクラスタリソースを管理する必要がある。サーバーレスはこれを完全に抽象化する。
  • サーバーレス vs. エッジコンピューティング: エッジ・コンピューティングは、デバイス(組み込みシステムやIoTセンサーなど)上でローカルにデータを処理する。 エッジ・コンピューティングは、デバイス(組み込みシステムやIoTセンサーなど)上でローカルにデータを処理し、待ち時間を最小限に抑える。サーバーレスは集中型クラウド ハイブリッド・アプローチハイブリッド・アプローチでは、即時のフィルタリングにはエッジ・デバイスを使用し、負荷の高い分析にはサーバーレスを使用することが多い。 ディープラーニング分析を行う。
  • サーバーレス vs. PaaS: プラットフォーム・アズ・ア・サービス(PaaS) PaaSはアプリを構築するためのフレームワークを提供するが、サーバーレスの純粋なイベント駆動の性質に比べ、インスタンス数や実行環境に関する設定が必要になることが多い。 PaaSはアプリを構築するフレームワークを提供するが、サーバーレスの純粋なイベント駆動型に比べ、インスタンス数や実行環境に関する設定が必要になることが多い。

サーバーレス・コンピューティングを採用することで、企業は堅牢なコンピュータ・ビジョン・アプリケーションを展開することができます。 アプリケーションを展開することができます。 コスト効率に優れ、グローバルなスケールが可能な堅牢なコンピュータ・ビジョン・アプリケーションを展開することができます。

Ultralytics コミュニティに参加する

AIの未来を共に切り開きましょう。グローバルなイノベーターと繋がり、協力し、成長を。

今すぐ参加