Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Önemli
Bu özellik Genel Önizleme aşamasındadır.
AI Runtime, çıkarım, eğitim ve ince ayar AI ile derin öğrenme modelleri için sunucusuz GPU hesaplama sağlar. Aşağıdaki sayfalar, notebook öğreticilerini ve Databricks CLI tariflerini göreve göre gruplar: klasik ML, tavsiye sistemleri, bilgisayarlı görü, eğitim sonrası açık kaynaklı LLM'ler, toplu çıkarım ve çoklu GPU ile dağıtık eğitim.
Notebook örnekleri dokümantasyonda yer almaktadır. Databricks CLI örnekleri, GitHub'daki AI Runtime Cookbook'a bağlantı veriyor; burada depoyu klonlayıp iş yükü yapılandırmalarını ve kaynak kodunu çalıştırabilirsiniz.
| Görev | Açıklama |
|---|---|
| Klasik makine öğrenimi | XGBoost eğitimi, sıfır atışlı tablo tahmini ve zaman serisi tahmini gibi geleneksel makine öğrenimi görevlerine örnekler. |
| Öneri sistemleri | İki kuleli modeller gibi modern derin öğrenme yaklaşımlarını kullanarak öneri sistemleri oluşturmaya yönelik örnekler. |
| Görüntü işleme | Nesne algılama ve görüntü sınıflandırma gibi görüntü işleme görevlerine yönelik örnekler. |
| Eğitim sonrası OSS modelleri (LLM'ler) | Parametre verimli yöntemler dahil olmak üzere açık kaynak büyük dil modellerinin ince ayar ve eğitim sonrası örnekleri. |
| Toplu çıkarım | Birden fazla GPU arasında Ray Data ve vLLM ile büyük ölçekli toplu çıkarım örnekleri. |
| Dağıtılmış Çoklu GPU eğitimi | Sunucusuz GPU API'sini kullanarak birden çok GPU ve düğüm arasında eğitimi ölçeklendirme örnekleri. |