SpaCy 模型不会在 AWS Lambda 中加载

Question

有人让 SpaCy 2.0 在 AWS Lambda 中工作吗？我已经正确地压缩和打包了所有内容，因为如果我测试它，我可以从我的 lambda 函数中获得 return 的通用字符串。但是当我执行下面的简单功能进行测试时，它会停顿大约 10 秒，然后 return 为空，而且我没有收到任何错误消息。我确实将 Lambda 超时设置为 60 秒，所以这不是问题所在。

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

当我在不使用它的情况下加载模型包时，它也 return 是空的，但如果我将其注释掉，它会按预期向我发送字符串，因此它必须与加载模型有关。

import spacy

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

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

Answer 1

知道这可能会很简单。答案是没有足够的内存分配给运行 Lambda 函数——我发现我必须将它最小地增加到接近最大 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达到这么高：

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

我将其调至最大 3008 MB 以处理更多文本，现在一切似乎都正常。

Answer 2

要优化模型加载，您必须将其存储在 S3 上，并使用您自己的脚本将其下载到 lambda 中的 tmp 文件夹，然后从中加载到 spacy。

从 S3 和运行下载需要 5 秒。这里好的优化是将模型保存在温暖的容器中并检查它是否已经下载。在温暖的容器代码需要 0.8 秒到运行.

这里是 link 代码和包示例： 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  billion')
    for token in doc:
        print(token.text, token.pos_, token.dep_)
    return 'finished'

P.S。要在 AWS Lambda 中打包 spacy，您必须去除共享库。

Answer 3

对我有用的是 cd进入 <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 als -d */ | grep -v | xargs rm -rf`，然后压缩内容以使其处于 Lambda 的限制之下。

SpaCy 模型不会在 AWS Lambda 中加载

SpaCy model won't load in AWS Lambda

aws-lambda

spacy