Exemplos do AI Runtime

info

Visualização

Este recurso está em Pré-visualização Pública.

O AI Runtime fornece compute de GPU Serverless para inferência, treinamento e ajuste fino de modelos de AI e de aprendizagem profunda. As páginas abaixo agrupam tutoriais de Notebook e receitas da CLI do Databricks por tarefa: ML clássico, sistemas de recomendação, visão computacional, pós-treinamento de LLMs de código aberto, inferência em lotes e treinamento distribuído com várias GPUs.

Exemplos de Notebooks estão incluídos na documentação. Os exemplos da CLI do Databricks fazem Link para o AI Runtime Cookbook no GitHub, onde você pode clonar o repositório e fazer a execução de suas configurações de carga de trabalho e código-fonte.

• • Machine Learning clássico
  • Exemplos de tarefas tradicionais de machine learning, incluindo treinamento do XGBoost, previsão tabular zero-shot e previsão de séries temporais.
• • Sistemas de recomendação
  • Exemplos de construção de sistemas de recomendação usando abordagens modernas de aprendizagem profunda, como modelos de duas torres.
• • visão computacional
  • Exemplos de tarefas de visão computacional incluem detecção de objetos e classificação de imagens.
• • Modelos OSS pós-treinamento (LLMs)
  • Exemplos de ajuste fino e pós-treinamento de grandes modelos de linguagem de código aberto, incluindo métodos eficientes em parâmetros.
• • Inferência de batch
  • Exemplos para inferência em lotes em grande escala com Ray Data e vLLM em múltiplas GPUs.
• • Treinamento distribuído multi-GPU
  • Exemplos de escalonamento de treinamento em várias GPUs e nós usando a API de GPU sem servidor.