Contoh AI Runtime

Penting

Fitur ini ada di Pratinjau Umum.

AI Runtime menyediakan komputasi GPU tanpa server untuk inferensi, pelatihan, dan penyempurnaan model AI serta pembelajaran mendalam. Halaman di bawah mengelompokkan tutorial notebook dan resep CLI Databricks berdasarkan tugas: ML klasik, sistem rekomendasi, computer vision, LLM open-source pasca-pelatihan, inferensi batch, dan pelatihan terdistribusi multi-GPU.

Contoh notebook disertakan dalam dokumentasi. Contoh Databricks CLI terhubung ke AI Runtime Cookbook di GitHub, di mana Anda dapat mengkloning repositori dan menjalankan konfigurasi beban kerja serta kode sumbernya.

Tugas	Deskripsi
Pembelajaran mesin klasik	Contoh tugas pembelajaran mesin tradisional termasuk pelatihan XGBoost, prediksi tabular zero-shot, dan peramalan deret waktu.
Sistem rekomendasi	Contoh untuk membangun sistem rekomendasi menggunakan pendekatan pembelajaran mendalam modern seperti model dua menara.
Visi Komputer	Contoh untuk tugas visi komputer termasuk deteksi objek dan klasifikasi gambar.
Model OSS pasca-pelatihan (LLM)	Contoh penyempurnaan dan pasca-pelatihan model bahasa open-source besar, termasuk metode yang efisien parameter.
Inferensi batch	Contoh inferensi batch skala besar dengan Ray Data dan vLLM di berbagai GPU.
Pelatihan terdistribusi multi-GPU	Contoh untuk menskalakan pelatihan di beberapa GPU dan node menggunakan API GPU Tanpa Server.