Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
Il runtime di intelligenza artificiale per le attività a nodo singolo è disponibile in anteprima pubblica. L'API di training distribuita per i carichi di lavoro con più GPU rimane in beta.
Questa pagina fornisce esempi di notebook per le attività classiche di Machine Learning usando i runtime di intelligenza artificialeEse esempi illustrano come sfruttare le GPU per gli algoritmi di Machine Learning tradizionali e le previsioni delle serie temporali.
| Tutoriale | Descrizione |
|---|---|
| Training del modello XGBoost | Questo notebook illustra come eseguire il training di un modello di regressione XGBoost su una singola GPU. XGBoost può trarre vantaggio significativamente dall'accelerazione GPU per set di dati di grandi dimensioni. |
| Previsione di serie temporali con GluonTS | Questo notebook illustra un flusso di lavoro end-to-end per la previsione probabilistica delle serie temporali dei dati relativi al consumo di energia elettrica con il modello DeepAR di GluonTS in un cluster GPU serverless. Vengono trattati l'inserimento, il ricampionamento dei dati, il training del modello, la stima, la visualizzazione e la valutazione. |