Klasszikus gépi tanulás

Fontos

Az egycsomópontos feladatokhoz készült AI-futtatókörnyezet nyilvános előzetes verzióban érhető el. A több GPU-s számítási feladatok elosztott betanítási API-ja a bétaverzióban marad.

Ez az oldal példákat nyújt a hagyományos gépi tanulási feladatokhoz az AI Runtime segítségével. Ezek a példák bemutatják, hogyan használhatja a GPU-kat a hagyományos ML-algoritmusokhoz és az idősor-előrejelzéshez.

Oktatóanyag	Leírás
XGBoost-modell betanítása	Ez a jegyzetfüzet bemutatja, hogyan taníthat be egy XGBoost regressziós modellt egyetlen GPU-n. Az XGBoost jelentősen kihasználhatja a GPU-gyorsítást a nagy adathalmazok esetében.
Idősor-előrejelzés a GluonTS használatával	Ez a jegyzetfüzet egy végpontok közötti munkafolyamatot mutat be a villamosenergia-fogyasztás adatainak valószínűségi idősor-előrejelzéséhez a GluonTS DeepAR-modelljével egy kiszolgáló nélküli GPU-fürtön. Az adatbetöltést, az újramintavételt, a modell betanítását, az előrejelzést, a vizualizációt és a kiértékelést ismerteti.