Ejemplos de runtime de IA

Importante

Esta característica está en versión preliminar pública.

AI Runtime proporciona computación con GPU serverless para inferencia, entrenamiento y ajuste fino de modelos de IA y aprendizaje profundo. Las páginas siguientes agrupan tutoriales de notebooks y recetas de la CLI de Databricks por tarea: ML clásico, sistemas de recomendación, visión por ordenador, LLMs de código abierto post-entrenamiento, inferencia por lotes y entrenamiento distribuido multi-GPU.

En la documentación se incluyen ejemplos de notebooks. Ejemplos de la CLI de Databricks enlazan al AI Runtime Cookbook en GitHub, donde puedes clonar el repositorio y ejecutar sus configuraciones de carga de trabajo y código fuente.

tarea	Descripción
Aprendizaje automático clásico	Ejemplos de tareas tradicionales de aprendizaje automático, incluido el entrenamiento de XGBoost, la predicción tabular sin entrenamiento previo y el pronóstico de series temporales.
Sistemas de recomendaciones	Ejemplos de creación de sistemas de recomendación mediante enfoques de aprendizaje profundo modernos como modelos de dos torres.
Visión por computadora	Ejemplos de tareas de Computer Vision, incluida la detección de objetos y la clasificación de imágenes.
Modelos OSS (LLMs) posteriores al entrenamiento	Ejemplos de ajuste fino y postentrenamiento de modelos grandes de lenguaje de código abierto, incluidos métodos eficientes en cuanto a parámetros.
Inferencia por lotes	Ejemplos para inferencia por lotes a gran escala con Ray Data y vLLM entre múltiples GPUs.
Entrenamiento distribuido con varias GPU	Ejemplos para escalar el entrenamiento en varias GPU y nodos mediante la API de GPU sin servidor.