Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Penting
Fitur ini ada di Pratinjau Umum.
AI Runtime adalah penawaran komputasi GPU serverless di Databricks yang ditujukan untuk beban kerja deep learning . Anda dapat menggunakan AI Runtime untuk melatih dan menyempurnakan model kustom menggunakan kerangka kerja favorit Anda dan mendapatkan efisiensi, performa, dan kualitas canggih.
Get started
Jalankan beban kerja pertama Anda dalam hitungan menit menggunakan panduan cepat kami.
| Get started | Deskripsi |
|---|---|
| 🚀 CLI quickstart | Berasal dari cluster Slurm atau Kubernetes? Berlatih menggunakan AI Runtime dari terminal Anda dalam hitungan menit. |
| 📓 Panduan mulai cepat Notebook | Pasang notebook Anda ke GPU dalam hitungan detik dan kembangkan secara interaktif.. |
| âš¡ Ray | Berasal dari gugus sinar? Jalankan Ray di AI Runtime dengan dukungan dashboard. |
| 🧠Ikhtisar | Pelajari hal-hal utama tentang AI Runtime dalam dua menit: GPU yang tersedia, cara kerjanya, dan keterbatasannya. |
Fitur
AI Runtime adalah platform GPU full-stack, dengan banyak cara untuk terhubung ke GPU, alat observabilitas dan debugging bawaan, serta lingkungan yang sudah dibangun.
Terhubung ke GPU serverless: Akses GPU serverless dari mana pun Anda bekerja.
| Feature | Deskripsi |
|---|---|
| Notebooks | Hubungkan notebook ke komputasi GPU serverless dan kembangkan secara interaktif, tanpa pengaturan cluster. |
| IDE melalui SSH | Sambungkan dari IDE atau terminal Anda melalui tunnel SSH untuk bekerja langsung pada node GPU. |
| AI Runtime CLI | Kirim dan kelola pekerjaan pelatihan GPU terdistribusi dari laptop Anda menggunakan konfigurasi pekerjaan YAML. |
| Ray | Jalankan Ray Core, Ray Data, Ray Train, dan Ray Tune pada komputasi GPU tanpa server. |
Mengelola Ketergantungan: Kendalikan Python dan pustaka sistem yang digunakan untuk menjalankan beban kerja Anda.
| Feature | Deskripsi |
|---|---|
| Lingkungan yang sudah dibangun | Mulailah dari lingkungan Standard minimal atau lingkungan AI Databricks yang sudah dimuat dengan kerangka ML. |
| Dukungan Docker | Bawa citra kontainer Anda sendiri untuk menjalankan beban kerja dengan tumpukan ketergantungan khusus. |
Memuat data ke GPU: Mengirimkan data pelatihan ke GPU Anda secara efisien.
| Feature | Deskripsi |
|---|---|
| Loader data yang efisien | Streaming data dari volume Unity Catalog dengan pemuat data yang toleran terhadap kesalahan dan dirancang untuk utilisasi GPU tinggi. |
Debugging dan Observabilitas: Lacak eksperimen, periksa output, dan diagnosis kegagalan.
| Feature | Deskripsi |
|---|---|
| MLflow untuk pembelajaran mendalam | Lacak eksperimen, metrik, dan eksekusi dengan MLflow, serta simpan titik pemeriksaan model di volume Unity Catalog. |
| Penampil log | Lihat output pelatihan dan pantau penggunaan sumber daya GPU saat kode Anda berjalan. |
| Debugging menggunakan agen | Gunakan Genie Code untuk menghasilkan kode pelatihan, menyelesaikan masalah lingkungan, dan men-debug kegagalan GPU. |
Penjadwalan dan pelayanan waktu nyata: Beralih dari pengembangan interaktif ke pekerjaan terjadwal dan titik akhir.
| Feature | Deskripsi |
|---|---|
| Produksikan pekerjaan Anda | Terapkan kode pelatihan dengan Bundel Otomasi Deklaratif, jadwalkan eksekusi, dan bangun alur kerja multitugas untuk GPU dan CPU. |
| Sajikan model Anda | Terapkan model terlatih Anda di balik endpoint yang dapat diskalakan dengan Model Serving. |
Examples
Klon contoh lengkap dan jalankan di AI Runtime dalam hitungan menit, melalui CLI atau notebook.
| Example | Deskripsi |
|---|---|
| Contoh Sinar | Ambil proyek Ray Anda yang sudah ada dan jalankan di AI Runtime dalam hitungan menit. |
| Pelatihan model rekomendasi tabular | Latih model rekomendasi pembelajaran mendalam, seperti arsitektur dua menara. |
| Visi Komputer | Beban kerja deteksi objek dan klasifikasi gambar pada GPU. |
| Pembelajaran mesin klasik | XGBoost yang dipercepat GPU, peramalan deret waktu, dan tugas ML klasik lainnya. |
| Melakukan fine-tuning pada LLM OSS | Sempurnakan model bahasa skala besar sumber terbuka dengan LoRA, QLoRA, atau penyetelan penuh. |
Pelajari lebih lanjut
Temukan konten yang berguna: pembaruan produk terbaru dan bagaimana AI Runtime bekerja di balik layar.
| Resource | Deskripsi |
|---|---|
| Pembaruan produk | Lihat pembaruan dan pengumuman produk AI Runtime terbaru. |
| Bagaimana AI Runtime bekerja secara rahasia | Baca bagaimana Databricks menjaga GPU tetap andal selama AI Runtime. |