Exemplos de Runtime de IA

Importante

Esse recurso está em Visualização Pública.

O AI Runtime fornece computação de GPU serverless para inferência, treinamento e ajuste fino de modelos de IA e deep learning. As páginas abaixo agrupam tutoriais de cadernos e receitas de CLI Databricks por tarefa: ML clássico, sistemas de recomendação, visão computacional, LLMs open-source pós-treinamento, inferência em lote e treinamento distribuído multi-GPU.

Exemplos de notebooks estão incluídos na documentação. Exemplos de CLI do Databricks linkam para o AI Runtime Cookbook no GitHub, onde você pode clonar o repositório e rodar suas configurações de carga de trabalho e código-fonte.

Tarefa	Descrição
Aprendizado de máquina clássico	Exemplos de tarefas tradicionais de aprendizado de máquina, incluindo treinamento de XGBoost, predição tabular zero-shot e previsão de séries temporais.
Sistemas de recomendação	Exemplos para a criação de sistemas de recomendação usando abordagens modernas de aprendizado profundo, como modelos de duas torres.
Visão Computacional	Exemplos para tarefas de pesquisa visual computacional, incluindo detecção de objetos e classificação de imagem.
Modelos OSS (LLMs) pós-treinamento	Exemplos de ajuste fino e pós-treinamento de grandes modelos de linguagem de código aberto, incluindo métodos com uso eficiente de parâmetros.
Inferência de lote	Exemplos para inferência em lote em grande escala com Ray Data e vLLM entre múltiplas GPUs.
Treinamento distribuído com várias GPUs	Exemplos de escalonamento de treinamento em múltiplas GPUs e nós usando a API Serverless GPU.