AWS Serverless: با استفاده از مدیریت Deepseek R1 با Amazon Bedrock ، Lambda و API Gateway
در مقاله قبلی من ، توضیح دادم که چگونه می توان از مدل Deepseek R1 Distilled با ذخیره کردن آن در یک سطل S3 و وارد کردن آن قبل از استناد به آن از طریق AWS Lambda و API Gateway ، با Amazon Bedrock استفاده کرد.
در این مقاله ، من با استفاده از مدل کاملاً مدیریت شده Deepseek R1 با Amazon Bedrock ، AWS Lambda و API Gateway در یک محیط بدون سرور ، یک رویکرد ساده تر و کارآمدتر را کشف خواهم کرد. این امر نیاز به ذخیره دستی و واردات مدل را از بین می برد و به شما امکان می دهد بدون مدیریت هرگونه زیرساخت ، Deepseek R1 را در برنامه های خود ادغام کنید.
آمازون از پشتیبانی از مدل کاملاً مدیریت شده Deepseek R1 در آمازون Bedrock در 10 مارس 2025 خبر داد. با این بروزرسانی ، دیگر نیازی به بارگیری مدل ، ذخیره آن در آمازون S3 ندارید ، یا از ویژگی مدل سفارشی Bedrock استفاده می کنید ، همه چیز توسط AWS یکپارچه اداره می شود.
قبل از غواصی ، بیایید نمودار معماری را مرور کنیم تا نحوه تعامل این مؤلفه ها را درک کنیم.
آشنایی با بستر آمازون
Amazon Bedrock یک سرویس کاملاً مدیریت شده است که دسترسی به انواع مدل های بنیادی از جمله Anthropic Claude ، AI21 Jurassic-2 ، پایداری AI ، Amazon Titan و دیگران را فراهم می کند.
به عنوان یک پیشنهاد بدون سرور از آمازون ، Bedrock ادغام یکپارچه را با مدلهای بنیادی محبوب (FMS) امکان پذیر می کند. همچنین به شما این امکان را می دهد تا این مدل ها را با استفاده از ابزارهای AWS به صورت خصوصی سفارشی کنید و نیاز به مدیریت هر زیرساخت را از بین ببرید.
علاوه بر این ، Bedrock از واردات مدلهای سفارشی پشتیبانی می کند.
نمای کلی مدل Deepseek R1
مدل Deepseek R1 یک مدل زبان متن به متن است که برای رسیدگی به طیف گسترده ای از وظایف پردازش زبان طبیعی (NLP) طراحی شده است. این امر در تبدیل متن ورودی به خروجی معنی دار و متنی مرتبط است ، و آن را برای کارهایی مانند تولید متن ، خلاصه و پاسخ به سؤال ایده آل می کند.
به عنوان یک مدل کاملاً مدیریت شده در بستر آمازون ، Deepseek R1 با از بین بردن نیاز به استقرار دستی و مدیریت زیرساخت ها ، ادغام را ساده می کند. این متن ورودی را پردازش می کند و پاسخ های منسجم و آگاهانه ای را ایجاد می کند ، که می تواند در چت های چت ، سیستم های پشتیبانی مشتری ، ایجاد محتوا و موارد دیگر اعمال شود.
درخواست دسترسی به مدل Deepseek R1
قبل از استفاده از مدل ، باید دسترسی به مدل را درخواست کنید.
DeepSeek R1 را انتخاب کرده و روی Modify Access کلیک کنید.
درخواست دسترسی به مدل
درخواست دسترسی به مدل را مرور و ارسال کنید.
لطفاً بررسی کنید که دسترسی به مدل اعطا شده است.
با استفاده از زمین بازی آمازون Bedrock مدل را تأیید کنید
پس از دسترسی به مدل ، می توانید استفاده از آن را از طریق زمین بازی Bedrock شروع کنید:
سریع: لطفاً 3 مکان برای بازدید در NYC پیشنهاد دهید.
بررسی الگوی AWS SAM
الگوی AWS Serverless Model (SAM) زیرساخت های مورد نیاز برای عملکرد Lambda و API را تعریف می کند.
در اینجا الگوی SAM برای این راه حل به نظر می رسد:
عملکرد AWS Lambda (کتابخانه Python/Boto3) را مرور کنید
عملکرد Lambda با استفاده از پایتون توسعه داده شده است و از کتابخانه Boto3 برای تعامل با آمازون Bedrock از طریق Lambda و API استفاده می کند.
با استفاده از AWS SAM ، عملکرد محلی را بسازید
فرماندهی برای ساخت عملکرد محلی سام ساخت است.
هنگامی که کد با موفقیت ساخته شد ، آماده است که فراخوانی شود.
با استفاده از AWS SAM ، عملکرد محلی را فراخوانی کنید
فرمان برای استناد به عملکرد Sam Local Invoke -e است
عملکرد را با استفاده از AWS SAM مستقر کنید
از طریق API/LAMBDA مدل را با Bedrock Amazon فراخوانی کنید
من از پستچی برای تصویب سریع استفاده می کنم و پاسخ ها را مرور می کنم.
پاکسازی – منابع را حذف کنید
پس از انجام این تمرین ، اطمینان حاصل کنید که تمام منابع ایجاد شده را حذف کنید تا این منابع هزینه های بر هزینه و بودجه کلی را تحت تأثیر قرار ندهند.
از آنجا که این منابع با استفاده از AWS SAM ساخته و مستقر شدند ، این موارد را می توان با استفاده از دستور AWS SAM حذف کرد.
دستور: سام حذف
همچنین می توانید منابع را از طریق کنسول AWS حذف کنید.
پایان
در این مقاله ، من نحوه استفاده از مدل مدیریت Deepseek را با آمازون Bedrock نشان دادم. از آنجا که این یک پیشنهاد بدون سرور است ، هیچ زیرساختی وجود ندارد که من برای استفاده از این مدل برای تهیه آن نیاز داشته باشم. من از AWS CLI ، کنسول مدیریت AWS ، AWS SAM و Postman برای اعتبارسنجی API استفاده کردم.
برای این راه حل ، من از Python/Boto3 برای ایجاد یک API یکپارچه با بستر از طریق یک عملکرد لامبدا استفاده کردم.
امیدوارم این مقاله را هم مفید و هم آموزنده پیدا کنید!
از خواندن شما متشکرم!
فیلم را اینجا تماشا کنید:
https://www.youtube.com/watch؟v=dnfxnxyya4s
https://www.youtube.com/watch؟v=dnfxnxyya4s
𝒢𝒾𝓇𝒾𝓈𝒽
𝘈𝘞𝘚 𝘊𝘦𝘳𝘵𝘪𝘧𝘪𝘦𝘥 𝘚𝘰𝘭𝘶𝘵𝘪𝘰𝘯 𝘈𝘳𝘤𝘩𝘪𝘵𝘦𝘤𝘵 & 𝘋𝘦𝘷𝘦𝘭𝘰𝘱𝘦𝘳 𝘈𝘴𝘴𝘰𝘤𝘪𝘢𝘵𝘦
𝘊𝘭𝘰𝘶𝘥 𝘛𝘦𝘤𝘩𝘯𝘰𝘭𝘰𝘨𝘺 𝘌𝘯𝘵𝘩𝘶𝘴𝘪𝘢𝘴𝘵
