這些範例用於在 AI 執行環境上訓練電腦視覺模型。 它們涵蓋影像分類、使用 Ray Tune 進行超參數調校，以及物件偵測。
| Example | Interface | 說明 |
|---|---|---|
| 使用卷積神經網路進行影像分類 | Notebook | 本筆記提供了一個簡單的範例，說明如何在 AI 執行環境上訓練二維卷積神經網路以進行影像分類。 |
| 使用 Ray Tune 進行 CIFAR-10 超參數調整 | Notebook | 此筆記本會為 PyTorch 影像分類器並行執行使用部分 GPU 資源的試驗，並使用非同步逐次減半演算法（ASHA）提前停止表現不佳的組態。 |
| 使用 RetinaNet 進行物件偵測 | Notebook | 本筆記本示範如何在 AI 執行環境中使用 RetinaNet 訓練物件偵測模型。 |
| 使用 YOLO11n 進行物體偵測 | Notebook | 本筆記本示範如何利用 AI 執行時，並搭配 MLflow 追蹤和模型服務部署，在 COCO128 資料集上訓練 YOLO11n 物件偵測模型。 |
| Imagenette 上的 ResNet-50 微調 | CLI | 使用 Ray Train 微調 ResNet-50，跨兩個節點，每個 A10 GPU 配置一個分散式資料平行 worker，並將度量記錄到 MLflow。 |