Voorbeelden van AI Runtime

Belangrijk

Deze functie bevindt zich in openbare preview-versie.

AI Runtime biedt serverless GPU-berekening voor inferentie, training en het fijn afstellen van AI- en deep learning-modellen. De onderstaande pagina's groeperen notebooktutorials en Databricks CLI-recepten per taak: klassieke ML, aanbevelingssystemen, computer vision, post-training open-source LLM's, batchinferentie en multi-GPU gedistribueerde training.

Voorbeelden van notebooks zijn opgenomen in de documentatie. Databricks CLI-voorbeelden linken naar het AI Runtime Cookbook op GitHub, waar je de repository kunt klonen en de workloadconfiguraties kunt uitvoeren en de broncode kunt gebruiken.

Opdracht	Beschrijving
Klassieke machine learning	Voorbeelden voor traditionele machine learning-taken, waaronder XGBoost-training, zero-shot tabulaire voorspelling en tijdreeksvoorspelling.
Aanbevelingssystemen	Voorbeelden voor het bouwen van aanbevelingssystemen met behulp van moderne deep learning-benaderingen zoals modellen met twee torens.
Computervisie	Voorbeelden voor Computer Vision-taken, waaronder objectdetectie en afbeeldingsclassificatie.
OSS-modellen (LLM’s) na het trainen	Voorbeelden voor het fijn afstemmen en na-trainen van open source grote taalmodellen, inclusief parameter-efficiënte methoden.
Batch-inferentie	Voorbeelden voor grootschalige batchinferentie met Ray Data en vLLM over meerdere GPU's.
Gedistribueerde training met meerdere GPU's	Voorbeelden voor het schalen van training voor meerdere GPU's en knooppunten met behulp van de serverloze GPU-API.