Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Önemli
Bu özellik Beta sürümündedir. Çalışma alanı yöneticileri Bu özelliğe erişimi Önizlemeler sayfasından denetleyebilir. Bkz. Azure Databricks önizlemelerini yönetme.
Bu sayfada Sunucusuz GPU işlem kullanan klasik makine öğrenmesi görevleri için not defteri örnekleri sağlanmaktadır. Bu örneklerde geleneksel ML algoritmaları ve zaman serisi tahminleri için GPU'lardan nasıl yararlanılması gösterilmektedir.
XGBoost modeli eğitimi
Bu not defteri, tek bir GPU üzerinde XGBoost regresyon modelini eğitmeyi gösterir. XGBoost, büyük veri kümeleri için GPU hızlandırmasından önemli ölçüde yararlanabilir.
XGBoost
Ray kullanarak dağıtılmış XGBoost Hiperparametre Ayarlaması
Bu not defteri, Databricks Sunucusuz GPU İşleminde Ray Tune kullanarak hiper parametre iyileştirmesi ile uçtan uca dağıtılmış XGBoost eğitimini gösterir.
RayTuneXGBoost
GluonTS ile zaman serisi tahmini
Bu not defteri, sunucusuz bir GPU kümesinde GluonTS'nin DeepAR modeliyle elektrik tüketimi verilerinin olası zaman serisi tahmini için uçtan uca bir iş akışını gösterir. Veri alımı, yeniden örnekleme, model eğitimi, tahmin, görselleştirme ve değerlendirmeyi kapsar.