Visión por ordenador

Importante

Esta característica está en versión preliminar pública.

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	En este cuaderno se proporciona un ejemplo sencillo de cómo entrenar una red neuronal de convolución 2D en GPU sin servidor 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	En este cuaderno se muestra cómo entrenar un modelo de detección de objetos mediante RetinaNet en GPU sin servidor.
Detección de objetos mediante YOLO11n	Notebook	En este cuaderno se muestra cómo entrenar un modelo de detección de objetos YOLO11n en el conjunto de datos de COCO128 mediante GPU sin servidor, con el seguimiento de MLflow y la implementación de Servicio de modelos.
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.