Esempi di Runtime AI

Importante

Questa funzionalità è in Anteprima Pubblica.

AI Runtime fornisce calcolo GPU serverless per inferenza, addestramento e ottimizzazione di modelli di IA e deep learning. Le pagine qui sotto raggruppano tutorial per notebook e ricette della CLI Databricks per attività: ML classico, sistemi di raccomandazione, visione artificiale, LLM open source post-addestramento, inferenza batch e addestramento distribuito multi-GPU.

Esempi di notebook sono inclusi nella documentazione. Gli esempi della CLI di Databricks rimandano al AI Runtime Cookbook su GitHub, dove puoi clonare il repository ed eseguire le configurazioni del carico di lavoro e il codice sorgente.

Attività	Descrizione
Apprendimento automatico classico	Esempi per compiti tradizionali di machine learning come l'addestramento XGBoost, la previsione tabulare zero-shot e la previsione delle serie temporali.
Sistemi di raccomandazione	Esempi per la creazione di sistemi di raccomandazione che usano approcci di Deep Learning moderni, ad esempio modelli a due torre.
Visione artificiale	Esempi di attività di visione artificiale, tra cui il rilevamento degli oggetti e la classificazione delle immagini.
Modelli OSS (LLM) post-addestramento	Esempi di fine-tuning e post-addestramento di grandi modelli linguistici open-source, inclusi metodi efficienti in termini di parametri.
Inferenza batch	Esempi di inferenza batch su larga scala con Ray Data e vLLM su più GPU.
Training distribuito su più GPU	Esempi per il ridimensionamento del training tra più GPU e nodi usando l'API GPU serverless.