Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Belangrijk
AI Runtime voor taken met één knooppunt bevindt zich in openbare preview. De gedistribueerde trainings-API voor workloads met meerdere GPU's blijft bèta.
Met deze notebooks worden klassieke machine learning-taken uitgevoerd in AI Runtime. Ze laten zien hoe u GPU-versnelling gebruikt voor traditionele ML-algoritmen en tijdreeksprognoses, waaronder XGBoost-regressie en probabilistische prognose met GluonTS.
| Handleiding | Beschrijving |
|---|---|
| XGBoost-model-training | Dit notebook laat zien hoe u een XGBoost-regressiemodel traint op één GPU. XGBoost kan aanzienlijk profiteren van GPU-versnelling voor grote gegevenssets. |
| Tijdreeksprognose met GluonTS | Dit notebook demonstreert een end-to-end werkstroom voor probabilistische tijdreeksprognoses van gegevens over elektriciteitsverbruik met het DeepAR-model van GluonTS op een serverloze GPU-cluster. Hierin worden gegevensopname, herampling, modeltraining, voorspelling, visualisatie en evaluatie behandeld. |