Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Estos ejemplos entrenan modelos de visión por ordenador en AI Runtime. Cubren la clasificación de imágenes, la afinación de hiperparámetros con Ray Tune y la detección de objetos.
| Example | Interface | Descripción |
|---|---|---|
| Clasificación de imágenes mediante una red neuronal convolucional | Notebook | Este cuaderno ofrece un ejemplo sencillo de cómo entrenar una red neuronal de convolución 2D en AI Runtime para la clasificación de imágenes. |
| Ajuste de hiperparámetros CIFAR-10 con Ray Tune | Notebook | Este cuaderno ejecuta pruebas concurrentes con fracciones de GPU para un clasificador de imágenes de PyTorch y utiliza el algoritmo asíncrono de reducción sucesiva (ASHA) para detener de forma temprana las configuraciones con peor rendimiento. |
| Detección de objetos mediante RetinaNet | Notebook | Este cuaderno demuestra cómo entrenar un modelo de detección de objetos usando RetinaNet en AI Runtime. |
| Detección de objetos mediante YOLO11n | Notebook | Este cuaderno demuestra cómo entrenar un modelo de detección de objetos YOLO11n en el conjunto de datos COCO128 usando AI Runtime, con seguimiento de MLflow y despliegue de Model Serving. |
| Ajuste fino de ResNet-50 en Imagenette | CLI | Usa Ray Train para afinar ResNet-50 con un worker de paralelismo de datos distribuido por cada GPU A10 en dos nodos y registrar las métricas en MLflow. |