Entwickeln von benutzerdefinierten Objekterkennungsmodellen mit NVIDIA und Azure Machine Learning

  • Lernpfad
  • 4 Module
Fortgeschrittene Anfänger
KI-Techniker
Data Scientist
Azure
Azure Storage
Azure Machine Learning

Azure Machine Learning Studio ist eine GUI-basierte integrierte Entwicklungsumgebung zum Erstellen und Operationalisieren des Machine Learning-Workflows in Azure. Erfahren Sie, wie Sie benutzerdefinierte Objekterkennungsmodelle mithilfe dieses Diensts mit NVIDIA GPU-beschleunigten virtuellen Computern entwickeln können.

Voraussetzungen

Module in diesem Lernpfad

Erstellen von Arbeitsbereichsressourcen für die ersten Schritte mit Azure Machine Learning

In diesem Modul erfahren Sie, wie Sie Ressourcen für die ersten Schritte mit Azure Machine Learning erstellen.

Erstellen eines beschrifteten Datasets mithilfe der Datenbeschriftungstools von Azure Machine Learning

Erfahren Sie, wie Sie mithilfe der Azure Machine Learning-Datenbeschriftung Datenbeschriftungsprojekte erstellen, verwalten und überwachen können.

Verwenden von automatisiertem maschinellem Lernen zum Trainieren eines beschrifteten Datasets und Entwickeln eines Produktionsmodells

Erfahren Sie, wie Sie mithilfe von automatisiertem maschinellem Lernen ein beschriftetes Dataset trainieren und ein Produktionsobjekt-Erkennungsmodell entwickeln können.

Bereitstellen des Modells auf NVIDIA Triton Inference Server

NVIDIA Triton Inference Server ist Open-Source-Software mit mehreren Frameworks, die für Rückschluss optimiert ist. Es unterstützt beliebte maschinelle Lernsysteme wie TensorFlow, ONNX Runtime, PyTorch, NVIDIA TensorRT und andere. Sie kann für Ihre CPU- oder GPU-Arbeitslasten verwendet werden. In diesem Modul stellen Sie Ihr Produktionsmodell auf dem NVIDIA Triton-Server bereit, um Rückschlüsse auf einer in der Cloud gehosteten VM auszuführen.