Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Deze voorbeelden trainen computer vision-modellen op AI-runtime. Ze behandelen beeldclassificatie, hyperparameterafstemming met Ray Tune en objectdetectie.
| Example | Interface | Beschrijving |
|---|---|---|
| Afbeeldingsclassificatie met behulp van convolutionele neurale netwerken | Notebook | Dit notebook geeft een eenvoudig voorbeeld van hoe je een 2D-convolutie-neuraal netwerk traint op AI Runtime voor beeldclassificatie. |
| CIFAR-10 hyperparameterafstemming met Ray Tune | Notebook | Dit notebook voert gelijktijdige fractioneel-GPU-proeven uit voor een PyTorch-afbeeldingsclassifier en gebruikt het asynchrone successieve halveringsalgoritme (ASHA) om onderpresterende configuraties vroegtijdig te voorkomen. |
| Objectdetectie met RetinaNet | Notebook | Deze notebook demonstreert hoe je een objectdetectiemodel traint met RetinaNet op AI Runtime. |
| Objectdetectie met YOLO11n | Notebook | Dit notebook demonstreert hoe je een YOLO11n-objectdetectiemodel traint op de COCO128 dataset met behulp van AI Runtime, met MLflow-tracking en Model Serving deployment. |
| Beeldclassificatie fijn afstemmen met DINOv3 | CLI | Fijn afstellen van een DINOv3 vision transformer op Oxford Flowers-102 op één A10 GPU en het geselecteerde model verpakken voor inferentie. |
| Classificatie van videoacties | CLI | Train een terugkerende classifier op één A10 GPU om acties te herkennen op basis van videoframe-features geproduceerd door ResNet-18. |
| Afbeeldingsanalyse in batches met Qwen3-VL-8B en vLLM | CLI | Gebruik Ray Data en vLLM om afbeeldingen van bijschriften te voorzien en te classificeren op een 8x H100-node met gestructureerde outputs. |