wizja komputerowa

Te przykłady służą do trenowania modeli widzenia komputerowego na AI Runtime. Obejmują klasyfikację obrazów, strojenie hiperparametrów za pomocą Ray Tune oraz wykrywanie obiektów.

Example	Interface	Opis
Klasyfikacja obrazów przy użyciu splotowej sieci neuronowej	Notebook	Ten notatnik przedstawia prosty przykład, jak trenować 2D sieć neuronową splotową na AI Runtime do klasyfikacji obrazów.
Strojenie hiperparametrów CIFAR-10 z Ray Tune	Notebook	Ten notebook uruchamia współbieżne eksperymenty z ułamkowym przydziałem GPU dla klasyfikatora obrazów w PyTorch i wykorzystuje asynchroniczny algorytm sukcesywnego redukowania (ASHA), aby wcześnie zatrzymywać konfiguracje osiągające słabe wyniki.
Wykrywanie obiektów przy użyciu sieci RetinaNet	Notebook	Ten notatnik pokazuje, jak trenować model wykrywania obiektów za pomocą RetinaNet w AI Runtime.
Wykrywanie obiektów przy użyciu YOLO11n	Notebook	Ten notatnik pokazuje, jak trenować model detekcji obiektów YOLO11n na zbiorze danych COCO128 za pomocą AI Runtime, z monitorowaniem MLflow i wdrożeniem Model Serving.
Dostrajanie ResNet-50 na Imagenette	CLI	Użyj Ray Train do dostrojenia ResNet-50 z jednym workerem Distributed Data Parallel (DDP) na GPU A10 na dwóch węzłach i loguj metryki do MLflow.