Remarque
L’accès à cette page requiert une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page requiert une autorisation. Vous pouvez essayer de modifier des répertoires.
Ces exemples entraînent des modèles de vision par ordinateur sur AI Runtime. Ils couvrent la classification d’image, l’ajustement des hyperparamètres avec Ray Tune, et la détection d’objets.
| Example | Interface | Description |
|---|---|---|
| Classification d’image à l’aide d’un réseau neuronal convolutionnel | Notebook | Ce carnet fournit un exemple simple de comment entraîner un réseau de neurones convolutionnel 2D sur AI Runtime pour la classification d’images. |
| Réglage des hyperparamètres CIFAR-10 avec Ray Tune | Notebook | Ce notebook exécute des essais simultanés sur GPU fractionnaire pour un classificateur d’image PyTorch et utilise l’algorithme asynchrone de réduction successive de moitié (ASHA) pour stopper les configurations sous-performantes tôt. |
| Détection d’objets via RetinaNet | Notebook | Ce notebook démontre comment entraîner un modèle de détection d’objets en utilisant RetinaNet sur AI Runtime. |
| Détection d’objets avec YOLO11n | Notebook | Ce notebook démontre comment entraîner un modèle de détection d’objet YOLO11n sur le jeu de données COCO128 en utilisant AI Runtime, avec le suivi MLflow et le déploiement Model Serving. |
| Affinement de la classification d’image avec DINOv3 | CLI | Affinez un transformateur de vision DINOv3 sur Oxford Flowers-102 sur un GPU A10 et préparez le modèle sélectionné pour l’inférence. |
| Classification des actions vidéo | CLI | Entraînez un classificateur récurrent sur un GPU A10 pour reconnaître les actions à partir des caractéristiques des images vidéo produites par ResNet-18. |
| Compréhension des images batch avec Qwen3-VL-8B et vLLM | CLI | Utilisez Ray Data et vLLM pour générer des légendes pour les images et les classer sur un nœud H100 8x avec des sorties structurées. |
| Classification d’images par lots avec ViT et écriture parallèle | CLI | Classifiez les photos d’animaux avec ViT-Base sur un GPU A10 et enregistrez un JPEG annoté pour chaque prédiction dans un volume du catalogue Unity, en utilisant des écritures parallèles pour que le GPU n’attende pas de stockage. |
| Ajustement fin des politiques robotiques avec SmolVLA et LeRobot | CLI | Affinez la politique vision-langage-action de SmolVLA avec Hugging Face LeRobot sur un GPU H100, en utilisant des démonstrations pick-and-place d’un bras robotique SO-100. |