Question

有没有人让SpaCy 2.0在AWS Lambda中工作？我已经将所有内容压缩并正确打包，因为如果我测试它，我可以从lambda函数中获取一个通用字符串。但是，当我执行下面的简单函数进行测试时，它会停止大约10秒然后返回空，并且我没有收到任何错误消息。我确实将我的Lambda超时设置为60秒，这不是问题所在。

import spacy

nlp = spacy.load('en_core_web_sm') #model package included

def lambda_handler(event, context):
    doc = nlp(u'They are')
    msg = doc[0].lemma_
    return msg

当我加载模型包而不使用它时，它也返回空，但是如果我将它注释掉，它会按预期发送给我字符串，所以它必须是加载模型的东西。

import spacy

nlp = spacy.load('en_core_web_sm') #model package included

def lambda_handler(event, context):
    msg = 'message returned'
    return msg

Answer 1

知道它可能会变得简单。答案是没有足够的分配内存来运行Lambda函数 - 我发现我必须将其最小化地增加到接近最大2816 MB才能使上面的示例工作。值得注意的是，在上个月之前，不可能走得这么高：

https://aws.amazon.com/about-aws/whats-new/2017/11/aws-lambda-doubles-maximum-memory-capacity-for-lambda-functions/

我将它调高到最大3008 MB以处理更多文本，现在一切似乎都很好。

Answer 2

要优化模型加载，您必须将其存储在S3上，然后使用自己的脚本将其下载到lambda的tmp文件夹中，然后从中将其加载为spacy。

从S3下载并运行需要5秒钟。此处的最佳优化是将模型保留在热容器上，并检查其是否已下载。在热容器上运行代码需要0.8秒。

以下是示例的代码和包的链接： https://github.com/ryfeus/lambda-packs/blob/master/Spacy/source2.7/index.py

import spacy
import boto3
import os


def download_dir(client, resource, dist, local='/tmp', bucket='s3bucket'):
    paginator = client.get_paginator('list_objects')
    for result in paginator.paginate(Bucket=bucket, Delimiter='/', Prefix=dist):
        if result.get('CommonPrefixes') is not None:
            for subdir in result.get('CommonPrefixes'):
                download_dir(client, resource, subdir.get('Prefix'), local, bucket)
        if result.get('Contents') is not None:
            for file in result.get('Contents'):
                if not os.path.exists(os.path.dirname(local + os.sep + file.get('Key'))):
                     os.makedirs(os.path.dirname(local + os.sep + file.get('Key')))
                resource.meta.client.download_file(bucket, file.get('Key'), local + os.sep + file.get('Key'))

def handler(event, context):
    client = boto3.client('s3')
    resource = boto3.resource('s3')
    if (os.path.isdir("/tmp/en_core_web_sm")==False):
        download_dir(client, resource, 'en_core_web_sm', '/tmp','ryfeus-spacy')
    spacy.util.set_data_path('/tmp')
    nlp = spacy.load('/tmp/en_core_web_sm/en_core_web_sm-2.0.0')
    doc = nlp(u'Apple is looking at buying U.K. startup for $1 billion')
    for token in doc:
        print(token.text, token.pos_, token.dep_)
    return 'finished'

P.S。要在AWS Lambda中打包spacy，您必须剥离共享库。

Answer 3

对我有用的是cd插入<YOUR_ENV>/lib/Python<VERSION>/site-packages/ and removing the language models I didn't need. For example, I only needed the English language model so once in my own site-packages directory I just needed to run a ls -d * / | grep -v zh | xargs rm -rf`，然后压缩内容使其在Lambda的限制下。

SpaCy模型不会加载AWS Lambda

3 个答案: