Vision par ordinateur

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’images 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 à l’aide de RetinaNet	Notebook	Ce notebook démontre comment entraîner un modèle de détection d’objets en utilisant RetinaNet sur AI Runtime.
Détection d’objets à l’aide de 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.
Réglage fin du ResNet-50 sur Imagenette	CLI	Utilisez Ray Train pour affiner ResNet-50 avec un worker DDP par GPU A10 sur deux nœuds et pour enregistrer les métriques dans MLflow.