Příklady AI Runtime

Důležité

Tato funkce je ve verzi Public Preview.

AI Runtime poskytuje serverless GPU výpočetní možnosti pro inferenci, trénování a dolaďování AI a hlubokého učení. Níže uvedené stránky seskupují notebookové tutoriály a recepty pro Databricks CLI podle úloh: klasické ML, doporučovací systémy, počítačové vidění, post-trénink open-source LLM, dávková inference a distribuované trénování s více GPU.

Příklady notebooků jsou zahrnuty v dokumentaci. Příklady CLI pro Databricks odkazují na AI Runtime Cookbook na GitHubu, kde můžete klonovat repozitář a spustit jeho konfigurace úloh a zdrojový kód.

Úkol	Description
Klasické strojové učení	Příklady tradičních úkolů strojového učení zahrnují trénování XGBoost, tabulkovou predikci s nulovým záběrem a předpověď časových řad.
Systémy doporučení	Příklady pro vytváření systémů doporučení s využitím moderních přístupů hlubokého učení, jako jsou modely dvou věží.
Počítačové zpracování obrazu	Příklady úloh počítačového zpracování obrazu, včetně rozpoznávání objektů a klasifikace obrázků.
OSS modely po trénování (LLMs)	Příklady doladění a dodatečného trénování open-source velkých jazykových modelů, včetně parametricky efektivních metod.
Dávkové odvození	Příklady rozsáhlé dávkové inference pomocí Ray Data a vLLM napříč více GPU.
Distribuované trénování s více GPU	Příklady škálování trénování napříč několika gpu a uzly pomocí bezserverového rozhraní GPU API