Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Von Bedeutung
DIE KI-Runtime für Einzelknotenaufgaben befindet sich in der öffentlichen Vorschau. Die verteilte Schulungs-API für Multi-GPU-Workloads verbleibt in der Betaversion.
Diese Seite enthält Notizbuchbeispiele für klassische Aufgaben des maschinellen Lernens mithilfe von AI Runtime. Diese Beispiele demonstrieren, wie GPUs für herkömmliche ML-Algorithmen und Zeitreihenprognosen genutzt werden können.
| Tutorial | Beschreibung |
|---|---|
| XGBoost-Modellschulung | Dieses Notizbuch veranschaulicht, wie Sie ein XGBoost-Regressionsmodell auf einer einzelnen GPU trainieren. XGBoost kann erheblich von der GPU-Beschleunigung für große Datasets profitieren. |
| Zeitreihenprognose mit GluonTS | Dieses Notizbuch veranschaulicht einen End-to-End-Workflow für die probabilistische Zeitreihenvorhersage von Stromverbrauchsdaten mit dem DeepAR-Modell von GluonTS auf einem serverlosen GPU-Cluster. Es umfasst Datenaufnahme, Resampling, Modellschulung, Vorhersage, Visualisierung und Auswertung. |