Självstudie: Djupinlärningsmodeller från slutpunkt till slutpunkt i Azure Databricks

Den här notebook-filen visar ett exempel från slutpunkt till slutpunkt på att träna en djupinlärningsmodell i Azure Databricks, inklusive inläsning av data, visualisering av data, konfiguration av en parallell hyperparameteroptimering och användning av MLflow för att granska resultaten, registrera modellen och utföra slutsatsdragning på nya data med hjälp av den registrerade modellen i en Spark UDF.

Notebook-filen använder PyTorch, ett Python-paket som tillhandahåller GPU-accelererad tensorberäkning och funktioner på hög nivå för att skapa djupinlärningsnätverk.

När du är klar kan du distribuera din modell med Mosaic AI Model Serving.

Anteckningsbok för träning av MLflow PyTorch-modell

Hämta anteckningsbok