Компьютерное зрение

Это важно

Эта функция доступна в общедоступной предварительной версии.

Эти блокноты используются для обучения моделей компьютерного зрения в AI Runtime. Они охватывают классификацию изображений, настройку гиперпараметров с помощью Ray Tune и обнаружение объектов.

Руководство	Описание
Классификация изображений с помощью сверточных нейронных сетей	Эта записная книжка содержит простой пример обучения нейронной сети 2-D на бессерверных GPU для классификации изображений.
Настройка гиперпараметров CIFAR-10 с помощью Ray Tune	Этот ноутбук выполняет параллельные запуски с дробным использованием GPU для классификатора изображений на PyTorch и использует алгоритм асинхронного последовательного отсечения (ASHA), чтобы заранее останавливать малоэффективные конфигурации.
Обнаружение объектов с помощью RetinaNet	В этой записной книжке показано, как обучить модель обнаружения объектов с помощью RetinaNet на бессерверном GPU.
Обнаружение объектов с помощью YOLO11n	В этой записной книжке показано, как обучить модель обнаружения объектов YOLO11n в наборе данных COCO128 с помощью бессерверного GPU с отслеживанием MLflow и развертыванием службы моделей.