了解如何在 Rust 中创建用于媒体处理、机器学习和 AI 的高性能 serverless 函数。完成这个挑战，即可获得丰厚奖品！终极大奖 最新款的 Mac mini 等你来拿。
#1 用 Rust 写一个 serverless function
首先，请仔细阅读《Getting Started with Function as A Service in Rust》来设置开发环境。你可以使用 Docker 镜像 或者 GitHub CodeSpaces 来设置初始开发环境。这两种方法大约只需要5分钟来构建、部署和测试你的第一个serverless Rust 函数。
然后 fork rust-faas-showcases GitHub repo，并在 contributions / your-name 目录中创建自己的Rust函数。 你可以参考examples 目录中的示例以了解构建结构和构建说明。最终你需要在 Second State FaaS 上将其构建并部署为公共的 serverless 函数，并提交 PR 给我们。
我们欢迎原创作品，下面是一些建议和启发，欢迎更好的意见与建议。
- 将短信/彩信/消息发送到您所在国家/地区的电话；
- 发送 iOS 或 Android 通知消息；
- 处理上传的图像；
- 处理上载的音频或视频文件；
- 处理付款；
- 将图像转换为文本；
- 检测图像中的文字或徽标或对象；
当你完成后，不要忘记填写这个表格，你将获得一份 Second State 的周边大礼包。
#2 用 Rust 写 AI as a service 云函数
阅读《AI as a Service: Image Classification Using MobileNet》教程，了解如何使用 SSVM 的 Tensorflow 扩展来创建用于图像识别的TensorFlow推理函数。此外，也可以查看人脸识别的教程，以获取有关如何在图像处理函数中使用 TensorFlow 模型的更多示例。
在这个挑战里，你需要训练自己的 TensorFlow Model，创建 Rust 函数，将其部署到 Second State FaaS 来处理用户的请求。同时也要写一个 static web UI 来展现这个云函数的函数。
提交 PR 并将函数源代码以及冻结的模型和标签文件添加到 rust-faas-showcases github repo 中的 contributions/your-name 目录。
当你完成后，不要忘了填写这个表格，你将获得一个 Keychron K2 无线机械键盘。
资源：关于如何训练自己的计算机视觉模型的在线教程很多。一旦你的模型训练好，请按照本教程进行冻结。 Rust 函数将调用冻结的模型。
#3 扩展 SSVM
具体内容：将 SSVM 扩展到更多的场景与平台，提交 PR 给 SSVM github repo
- 将 SSVM、WASI 与 WASI-Tensorflow 在 Windows、Mac、Android 上编译与运行；
- 支持在 AI 芯片上运行推理的 WASI host functions；
- 扩展 WASI-Tensorflow 支持 ONNX 模型的推理；
如果你的 PR 被接受，不要忘记填写表格，你将获得最新款 M1 芯片的 Mac mini，