Visão computacional

Importante

Esse recurso está em Visualização Pública.

Esses exemplos treinam modelos de visão computacional no AI Runtime. Eles cobrem classificação de imagem, ajuste de hiperparâmetros com Ray Tune e detecção de objetos.

Example	Interface	Descrição
Classificação de imagem usando rede neural convolucional	Notebook	Este notebook fornece um exemplo simples de como treinar uma rede neural de convolução 2D em GPUs sem servidor para classificação de imagem.
Ajuste de hiperparâmetros CIFAR-10 com Ray Tune	Notebook	Este notebook executa testes simultâneos de GPU fracionada para um classificador de imagem PyTorch e utiliza o algoritmo assíncrono de metade sucessiva (ASHA) para impedir configurações com desempenho inferior precoce.
Detecção de objetos usando RetinaNet	Notebook	Este notebook demonstra como treinar um modelo de detecção de objetos usando RetinaNet na GPU sem servidor.
Detecção de objetos usando YOLO11n	Notebook	Este notebook demonstra como treinar um modelo de detecção de objetos YOLO11n no conjunto de dados COCO128 usando GPU sem servidor, com rastreamento de MLflow e implantação de Model Serving.
Ajuste fino do ResNet-50 no Imagenette	CLI	Use o Ray Train para ajustar o ResNet-50 com um worker de paralelismo de dados distribuído por GPU A10 em dois nós e registrar métricas no MLflow.