Visione artificiale

Questi esempi addestrano modelli di visione artificiale su AI Runtime. Coprono la classificazione delle immagini, la regolazione degli iperparametri con Ray Tune e il rilevamento degli oggetti.

Example	Interface	Descrizione
Classificazione delle immagini tramite rete neurale convoluzionale	Notebook	Questo quaderno fornisce un semplice esempio di come addestrare una rete neurale a convoluzione 2D su AI Runtime per la classificazione delle immagini.
Ottimizzazione degli iperparametri di CIFAR-10 con Ray Tune	Notebook	Questo notebook esegue prove simultanee su GPU frazionali per un classificatore di immagini PyTorch e utilizza l'algoritmo asincrono di dimezzamento successivo (ASHA) per interrompere anticipatamente le configurazioni meno performanti.
Rilevamento di oggetti tramite RetinaNet	Notebook	Questo notebook dimostra come addestrare un modello di rilevamento di oggetti usando RetinaNet su AI Runtime.
Rilevamento oggetti con YOLO11n	Notebook	Questo notebook dimostra come addestrare un modello di rilevamento oggetti YOLO11n sul dataset COCO128 utilizzando AI Runtime, con tracciamento MLflow e distribuzione Model Serving.
Ottimizzazione della classificazione delle immagini con DINOv3	CLI	Ottimizza un trasformatore di visione DINOv3 su Oxford Flowers-102 su una GPU A10 e confeziona il modello selezionato per l'inferenza.
Classificazione delle azioni video	CLI	Addestra un classificatore ricorrente su una GPU A10 per riconoscere azioni a partire dalle caratteristiche dei fotogrammi video prodotte da ResNet-18.
Comprensione batch di immagini con Qwen3-VL-8B e vLLM	CLI	Usa Ray Data e vLLM per generare didascalie per le immagini e classificarle su un nodo H100 8x con output strutturati.