visão computacional

Estes exemplos ensinam modelos de visão de computador no AI Runtime. Eles abrangem classificação de imagens, ajuste de hiperparâmetros com Ray Tune e detecção de objetos.

Exemplo	Interface	Descrição
Classificação de imagens usando redes neurais convolucionais (CNN)	Notebook	Este notebook fornece um exemplo simples de como ensinar uma rede neural de convolução bidimensional no AI Runtime para classificação de imagens.
Ajuste de hiperparâmetros do CIFAR-10 com Ray Tune	Notebook	Este notebook executa testes com frações de GPU concorrentes para um classificador de imagens do PyTorch e usa o algoritmo ASHA (asynchronous successive halving algorithm) para interromper antecipadamente configurações de desempenho inferior.
Detecção de objetos usando RetinaNet	Notebook	Este notebook demonstra como ensinar um modelo de detecção de objetos usando RetinaNet no AI Runtime.
Detecção de objetos usando YOLO11n	Notebook	Este Notebook demonstra como ensinar um modelo de detecção de objetos YOLO11n no dataset COCO128 usando o AI Runtime, com acompanhamento MLflow e implantação de Model Serving.
Ajuste fino do ResNet-50 no Imagenette	CLIPE	Use o Ray Train para fazer o ajuste fino do ResNet-50 com um worker de paralelismo de dados distribuído por GPU A10 em dois nós e registrar métricas no MLflow.
Fine-tuning de classificação de imagem com DINOv3	CLIPE	Faça um fine-tuning de um transformador de visão DINOv3 em Oxford Flowers-102 em uma GPU A10 e empacote o modelo selecionado para inferência.
Classificação de ações em vídeo	CLIPE	Ensine um classificador recorrente em uma GPU A10 para reconhecer ações a partir de recursos de quadro de vídeo produzidos pelo ResNet-18.
Entendimento de imagem em lote com Qwen3-VL-8B e vLLM	CLIPE	Use Ray Data e vLLM para legendar e classificar imagens em um nó 8x H100 com saídas estruturadas.

Exemplo	Interface	Descrição
Classificação de imagens usando redes neurais convolucionais (CNN)	Notebook	Este notebook fornece um exemplo simples de como ensinar uma rede neural de convolução bidimensional no AI Runtime para classificação de imagens.
Ajuste de hiperparâmetros do CIFAR-10 com Ray Tune	Notebook	Este notebook executa testes com frações de GPU concorrentes para um classificador de imagens do PyTorch e usa o algoritmo ASHA (asynchronous successive halving algorithm) para interromper antecipadamente configurações de desempenho inferior.
Detecção de objetos usando RetinaNet	Notebook	Este notebook demonstra como ensinar um modelo de detecção de objetos usando RetinaNet no AI Runtime.
Detecção de objetos usando YOLO11n	Notebook	Este Notebook demonstra como ensinar um modelo de detecção de objetos YOLO11n no dataset COCO128 usando o AI Runtime, com acompanhamento MLflow e implantação de Model Serving.
Ajuste fino do ResNet-50 no Imagenette	CLIPE	Use o Ray Train para fazer o ajuste fino do ResNet-50 com um worker de paralelismo de dados distribuído por GPU A10 em dois nós e registrar métricas no MLflow.
Fine-tuning de classificação de imagem com DINOv3	CLIPE	Faça um fine-tuning de um transformador de visão DINOv3 em Oxford Flowers-102 em uma GPU A10 e empacote o modelo selecionado para inferência.
Classificação de ações em vídeo	CLIPE	Ensine um classificador recorrente em uma GPU A10 para reconhecer ações a partir de recursos de quadro de vídeo produzidos pelo ResNet-18.
Entendimento de imagem em lote com Qwen3-VL-8B e vLLM	CLIPE	Use Ray Data e vLLM para legendar e classificar imagens em um nó 8x H100 com saídas estruturadas.