Visão computacional

Importante

Este recurso está no Public Preview.

Estes cadernos treinam modelos de visão computacional no AI Runtime. Abrangem classificação de imagens, ajuste de hiperparâmetros com Ray Tune e deteção de objetos.

Tutorial	Descrição
Classificação de imagens usando rede neural convolucional	Este caderno fornece um exemplo simples de como treinar uma rede neural de convolução 2D em GPUs serverless para classificação de imagens.
Ajuste de hiperparâmetros do CIFAR-10 com o Ray Tune	Este notebook executa ensaios em simultâneo com frações de GPU para um classificador de imagens em PyTorch e utiliza o algoritmo assíncrono de redução sucessiva (ASHA) para interromper antecipadamente configurações com fraco desempenho.
Deteção de objetos usando RetinaNet	Este portátil demonstra como treinar um modelo de deteção de objetos usando RetinaNet numa GPU serverless.
Deteção de objetos usando YOLO11n	Este caderno demonstra como treinar um modelo de deteção de objetos YOLO11n no conjunto de dados COCO128, utilizando uma GPU sem servidor, com monitorização com o MLflow e implementação do Model Serving.