快速上手弹性部署服务
请先在算力控制台完成注册并登录：https://console.suanli.cn
平台支持 两种方式 发布 Serverless GPU 任务：
- 使用平台预制镜像（推荐，新手最快）
- 使用用户自定义镜像
两种方式的整体流程一致，仅在「服务配置」步骤存在差异。
方式一：使用预制镜像发布任务（推荐）
Section titled “方式一：使用预制镜像发布任务（推荐）”Step 1：新增部署任务
Section titled “Step 1：新增部署任务”进入「新增部署任务」页面：https://console.suanli.cn/serverless/create
Step 2：填写任务信息
Section titled “Step 2：填写任务信息”2.1 选择计算资源
Section titled “2.1 选择计算资源”根据业务需求筛选 GPU 资源，包括：
所在区域，GPU 型号，显存大小，CPU 核心数，内存大小，节点数量
新手推荐配置（性价比高、快速部署）
- GPU 型号：4090
- 节点数量：1 个节点
- 区域：不限区域（自动匹配合适的算力节点）
2.2 定义服务配置信息
Section titled “2.2 定义服务配置信息”在服务配置中，可以选择平台提供的 预制镜像，每个镜像均配有文档说明，方便快速了解部署和使用方式。
这里我们选择了 SD-3.5-Large comfyUI 作为示例
选择完成后，滚动到页面最下方点击 【部署服务】，提交任务。
Step 3：查看运行状态
Section titled “Step 3：查看运行状态”任务发布后，系统将自动跳转至 任务详情页面，并开始分配计算节点。
当节点分配完成后，在「快捷访问」区域选择对应服务访问或 API 调用，具体使用方法可以参考对应镜像文档。
方式二：使用用户自定义镜像发布任务
Section titled “方式二：使用用户自定义镜像发布任务”使用自定义镜像发布任务的流程与「方式一」完全一致，唯一差异在于服务配置步骤。
在「服务配置」中选择 我的镜像，并填写镜像信息。
平台支持两种镜像来源：
第一种：第三方公共镜像仓库
支持 Docker Hub、阿里云镜像仓库等公共仓库，这里以 SD-3.5-Large comfyUI 为例。
镜像地址：crpi-r5vaz7ed9e06uteg.cn-shanghai.personal.cr.aliyuncs.com/lightcloud/sd-webui:1.8
端口号：7860
第二种：平台私有镜像仓库
如需使用平台私有镜像仓库，请先完成镜像推送（可参考 镜像仓库 ），随后在页面中刷新并选择对应镜像。
示例私有镜像地址库：harbor.suanleme.cn/huang5876/jupyter_tf2_18:v1.0
版本信息：python3.12+tensorflow-gpu2.18.1
完成镜像 URL 填写后进行端口配置（这里以 JupyterLab 为例 端口号填写8888）
注意：Jupyter 类服务建议仅使用 1 个节点，多节点可能导致访问异常。
配置完成后，点击 【部署服务】 发布任务。
指创建一个新的 Serverless 服务实例，用于分配计算资源并运行指定镜像。
包含内容：
- 资源管理：GPU、CPU、内存等资源分配
- 镜像管理：指定运行环境
- 费用记录：按使用时长生成账单
GPU 型号
Section titled “GPU 型号”GPU 型号代表单个节点的计算能力规格：
- 1 卡 / 2 卡 / 4 卡 / 8 卡：单节点 GPU 数量
- 显存大小：决定可运行模型规模
- CPU / 内存：影响多任务并发能力
- 库存数量：当前可用资源规模
适用场景：
- 1 卡：模型推理、数据处理
- 多卡：分布式训练、高并发计算
显存要求（≥16GB）
Section titled “显存要求（≥16GB）”显存用于存储模型参数和中间计算数据。
- 16GB：中等规模模型的最低需求
- 24GB（如 4090）：可稳定运行主流 AI 推理服务
节点代表相同配置的计算实例数量。
- 1 节点：单任务或低并发场景
- 多节点：并行计算或横向扩展
建议先使用 1 个节点 验证任务运行情况，再根据需要扩展。
服务名称是当前部署任务的唯一标识。
建议命名规范：用途-日期
示例：image-generation-20250515
便于后续管理、监控和成本统计。