Reconnaissance d'image

Ces exemples entraînent des modèles de vision informatique sur AI Runtime. Ils couvrent la classification d’images, l’ajustement des hyperparamètres avec Ray Tune et la détection d’objets.

Exemple	Interface	Description
Classification d’images à l’aide d’un réseau de neurones convolutif	Notebook	Ce notebook propose un exemple simple d’entraînement d’un réseau de neurones convolutif bidimensionnel sur AI Runtime pour la classification d’images.
Réglage des hyperparamètres CIFAR-10 avec Ray Tune	Notebook	Ce Notebook exécute des essais simultanés avec fractionnement de GPU pour un classificateur d'images PyTorch et utilise l'algorithme ASHA (asynchronous successive halving algorithm) pour interrompre prématurément les configurations peu performantes.
Détection d'objets utilisant RetinaNet	Notebook	Ce notebook montre comment entraîner un modèle de détection d'objets à l'aide de RetinaNet sur AI Runtime.
Détection d'objets à l'aide de YOLO11n	Notebook	Ce Notebook montre comment entraîner un modèle de détection d’objets YOLO11n sur le dataset COCO128 avec l’environnement d’exécution de l’IA Runtime, avec le suivi MLflow et le déploiement Model Serving.
Affinement de ResNet-50 sur Imagenette	CLI	Utilisez Ray Train pour affiner ResNet-50 avec un Worker distribué de traitement parallèle des données par GPU A10 sur deux nœuds, et consignez les métriques dans MLflow.
Affinement de la classification d’images avec DINOv3	CLI	Affinez un transformeur de vision DINOv3 sur Oxford Flowers-102 sur un GPU A10 et packagez le modèle sélectionné pour l'inférence.
Classification d’actions vidéo	CLI	Entraînez un classifieur récurrent sur un GPU A10 pour reconnaître les actions à partir des caractéristiques des images vidéo produites par ResNet-18.
Compréhension d'images par batch avec Qwen3-VL-8B et vLLM	CLI	Utilisez Ray Data et vLLM pour annoter et classer des images sur un nœud 8x H100 avec des sorties structurées.

Exemple	Interface	Description
Classification d’images à l’aide d’un réseau de neurones convolutif	Notebook	Ce notebook propose un exemple simple d’entraînement d’un réseau de neurones convolutif bidimensionnel sur AI Runtime pour la classification d’images.
Réglage des hyperparamètres CIFAR-10 avec Ray Tune	Notebook	Ce Notebook exécute des essais simultanés avec fractionnement de GPU pour un classificateur d'images PyTorch et utilise l'algorithme ASHA (asynchronous successive halving algorithm) pour interrompre prématurément les configurations peu performantes.
Détection d'objets utilisant RetinaNet	Notebook	Ce notebook montre comment entraîner un modèle de détection d'objets à l'aide de RetinaNet sur AI Runtime.
Détection d'objets à l'aide de YOLO11n	Notebook	Ce Notebook montre comment entraîner un modèle de détection d’objets YOLO11n sur le dataset COCO128 avec l’environnement d’exécution de l’IA Runtime, avec le suivi MLflow et le déploiement Model Serving.
Affinement de ResNet-50 sur Imagenette	CLI	Utilisez Ray Train pour affiner ResNet-50 avec un Worker distribué de traitement parallèle des données par GPU A10 sur deux nœuds, et consignez les métriques dans MLflow.
Affinement de la classification d’images avec DINOv3	CLI	Affinez un transformeur de vision DINOv3 sur Oxford Flowers-102 sur un GPU A10 et packagez le modèle sélectionné pour l'inférence.
Classification d’actions vidéo	CLI	Entraînez un classifieur récurrent sur un GPU A10 pour reconnaître les actions à partir des caractéristiques des images vidéo produites par ResNet-18.
Compréhension d'images par batch avec Qwen3-VL-8B et vLLM	CLI	Utilisez Ray Data et vLLM pour annoter et classer des images sur un nœud 8x H100 avec des sorties structurées.