コンピュータビジョン

備考

プレビュー

この機能は パブリック プレビュー段階です。

これらの例では、AI ランタイム でコンピュータ ビジョン モデルをトレーニングします。これらには、画像分類、Ray Tune によるハイパーパラメーターチューニング、オブジェクト検出が含まれます。

例	インターフェース	説明
畳み込みニューラルネットワークを用いた画像分類	ノートブック	このノートブックは、画像分類のためにサーバレス GPU 上で 2 次元畳み込みニューラルネットワークをトレーニングする方法の簡単な例を提供します。
Ray Tune による CIFAR-10 のハイパーパラメーターチューニング	ノートブック	このノートブックは、PyTorch 画像分類器の並列部分 GPU トライアルを実行し、非同期連続半減 (ASHA) アルゴリズムを使用して、パフォーマンスの低い構成を早期に停止します。
RetinaNetを用いた物体検出	ノートブック	このノートブックでは、サーバレス GPU 上の RetinaNet を使用して物体検出モデルをトレーニングする方法を説明します。
YOLO11nを使用したオブジェクト検出	ノートブック	このノートブックは、サーバレスGPUを使用してCOCO128データセットでYOLO11nオブジェクト検出モデルをトレーニングするし、MLflowトラッキングとModel Servingデプロイメントを行う方法を示しています。
ImagenetteでのResNet-50のファインチューニング	CLI	Ray Trainを使用して、2つのノードにわたってA10 GPUごとに1つの分散データ並列ワーカーでResNet-50をファインチューニングし、メトリクスをMLflowに記録します。

例	インターフェース	説明
畳み込みニューラルネットワークを用いた画像分類	ノートブック	このノートブックは、画像分類のためにサーバレス GPU 上で 2 次元畳み込みニューラルネットワークをトレーニングする方法の簡単な例を提供します。
Ray Tune による CIFAR-10 のハイパーパラメーターチューニング	ノートブック	このノートブックは、PyTorch 画像分類器の並列部分 GPU トライアルを実行し、非同期連続半減 (ASHA) アルゴリズムを使用して、パフォーマンスの低い構成を早期に停止します。
RetinaNetを用いた物体検出	ノートブック	このノートブックでは、サーバレス GPU 上の RetinaNet を使用して物体検出モデルをトレーニングする方法を説明します。
YOLO11nを使用したオブジェクト検出	ノートブック	このノートブックは、サーバレスGPUを使用してCOCO128データセットでYOLO11nオブジェクト検出モデルをトレーニングするし、MLflowトラッキングとModel Servingデプロイメントを行う方法を示しています。
ImagenetteでのResNet-50のファインチューニング	CLI	Ray Trainを使用して、2つのノードにわたってA10 GPUごとに1つの分散データ並列ワーカーでResNet-50をファインチューニングし、メトリクスをMLflowに記録します。