Przykładowe notatniki AI Runtime

Ważna

Ta funkcja jest dostępna w publicznej wersji testowej.

AI Runtime zapewnia obliczenia GPU bez serwera do wnioskowania, trenowania oraz dopracowywania modeli AI i deep learning. Poniższe strony grupują przykładowe notatniki według typów zadań: duże modele językowe, widzenie komputerowe, systemy polecania, klasyczne uczenie maszynowe oraz rozproszone trenowanie z użyciem wielu procesorów GPU.

Zadanie Opis
Duże modele językowe (LLMs) Przykłady wnioskowania wsadowego i precyzyjnego dostrajania dużych modeli językowych, w tym metody efektywne parametrycznie.
Wizja komputerowa Przykłady zadań przetwarzania obrazów, w tym wykrywania obiektów i klasyfikacji obrazów.
Systemy rekomendacji oparte na uczeniu głębokim Przykłady tworzenia systemów rekomendacji przy użyciu nowoczesnych metod uczenia głębokiego, takich jak modele dwóch wież.
Klasyczne uczenie maszynowe Przykłady tradycyjnych zadań uczenia maszynowego, w tym trenowania modelu XGBoost i prognozowania szeregów czasowych.
Rozproszone trenowanie na wielu GPU Przykłady skalowania treningu na wielu GPU i węzłach przy użyciu bezserwerowego interfejsu API GPU.
  • Last updated on