Elastic Container Instance:妙鴨カメラに似た eci-facechain アプリケーションを構築する

ModelScopeにアクセスして、モデルの ID を取得します。

この例では、ポートレート AIGC のベースモデル (ID: ly261666/cv_portrait_model) のバージョンは v4.0 です。ModelScope で使用するモデルを見つけ、モデル詳細ページの上部にあるモデル ID をコピーします。

DataCache の YAML 構成ファイルを記述します。次に、YAML ファイルを使用して、ポートレート AIGC のベースモデルを保存するために使用される DataCache を作成します。

kubectl create -f datacache-test.yaml

datacache-test.yaml ファイルの例

apiVersion: eci.aliyun.com/v1alpha1
kind: DataCache
metadata:
  name: cv
spec:
  bucket: test  
  path: /model/cv/ 
  dataSource:
    type: URL 
    options:
      repoSource: ModelScope/Model              # データソースとして ModelScope モデルを指定します。
      repoId: ly261666/cv_portrait_model        # モデル ID を指定します。
      revision: v4.0                            # モデルバージョンを指定します。
  retentionDays: 1
  netConfig: 
    securityGroupId: sg-2ze63v3jtm8e6s******
    vSwitchId: vsw-2ze94pjtfuj9vay******       # SNAT エントリが構成されている vSwitch を指定します。

DataCache のステータスをクエリします。

kubectl get edc

データがダウンロードされ、DataCache のステータスが Available になると、DataCache は使用できる状態になります。例：

eci-facechain アプリケーションの YAML 構成ファイルを記述し、YAML ファイルを使用してアプリケーションをデプロイします。

kubectl create -f cv.yaml

次のサンプルコードは、cv.yamlファイルの内容の例を示しています。1つのPodレプリカを含むデプロイメントを作成できます。このPodは、GPUアクセラレーション対応のECSインスタンスタイプに基づいており、ポートレートAIGCのベースモデルがマウントされています。Pod内のコンテナは、Elastic Container Instanceによって提供されるパブリックイメージを使用します。コンテナが起動した後、コンテナはWebサービスを実行し、ポート8888経由でアクセスできます。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: cv
  labels:
    app: cv
spec:
  replicas: 1
  selector:
    matchLabels:
      app: cv
  template:
    metadata:
      name: cv
      labels:
        app: cv
        alibabacloud.com/eci: "true" 
      annotations:
        k8s.aliyun.com/eci-use-specs: "ecs.gn7i-c8g1.2xlarge"    # GPU アクセラレーション対応の ECS インスタンスタイプを指定します。
        k8s.aliyun.com/eci-data-cache-bucket: "test"             # DataCache を保存するバケットを指定します。
        k8s.aliyun.com/eci-with-eip: "true"                      # 自動的に EIP を作成し、ポッドに関連付けて、ポッドへの外部アクセスを許可します。
    spec:
      containers:
      - name: cv
        image: registry.cn-hangzhou.aliyuncs.com/eci_open/facechain:1.0.2  # Elastic Container Instance によって提供されるパブリックイメージを使用します。
        resources:
            limits:
              nvidia.com/gpu: "1"           # コンテナに必要な GPU の数を指定します。
        volumeMounts:
        - name: "model-cv"
          mountPath: "/mnt/workspace/.cache/modelscope/ly261666/cv_portrait_model/"  # コンテナ内のモデルデータのマウントパスを指定します。
      volumes: 
      - name: "model-cv"
        hostPath:             
          path: "/model/cv/"    # モデルデータがマウントされるパスを指定します。

アプリケーションがデプロイされているかどうかを確認します。

kubectl get deployment cv
kubectl get Pod

次のサンプル出力は、アプリケーションがデプロイされていることを示しています。

モデルがマウントされているかどうかを確認します。

kubectl exec -it <POD_NAME> -- bash
ls /mnt/workspace/.cache/modelscope/ly261666/cv_portrait_model/

次のサンプル出力は、モデルがコンテナの /mnt/workspace/.cache/modelscope/ly261666/cv_portrait_model/ ディレクトリにマウントされていることを示しています。

ポッドに関連付けられている EIP を確認します。

kubectl describe pod <pod_name>

返されたポッド詳細の Annotations セクションで、ポッドに関連付けられている EIP を確認できます。

ポッドが属するセキュリティグループにインバウンドルールを追加し、ポート 8888 を許可します。

ブラウザを使用して、eci-facechain アプリケーションの Web ページにアクセスします。

この例では、EIP が eci-facechain アプリケーションに関連付けられています。ポッドの EIP とコンテナのオープンポート (例: 60.205.XX.XX:8888) を入力して、アプリケーションにアクセスできます。

ポートレート AIGC のベースモデルが妙鴨カメラと同様の効果があるかどうかをテストします。

1. トレーニングタブで、顔写真をアップロードします。

2. 必要に応じて顔写真にタグを追加し、トレーニング開始をクリックします。

   

3. トレーニングが完了したら、推論タブをクリックします。

4. 要件に基づいてスタイルモデルと服のスタイルを選択し、生成する写真の数量、高さ、幅を指定して、生成をクリックします。

5. 待って、生成結果を表示します。

   説明

   エラーメッセージが表示された場合は、コンテナログを表示してエラーの原因を特定します。エラータイプがメモリ不足 (OOM) の場合は、画像の幅と高さを小さくするか、より大きな GPU メモリを持つ ECS インスタンスタイプを使用してアプリケーションをデプロイすることをお勧めします。