Poradnik: Modele uczenia głębokiego od początku do końca na platformie Azure Databricks

Ten notatnik samouczka przedstawia kompleksowy przykład trenowania modelu uczenia głębokiego w Azure Databricks, w tym ładowanie danych, wizualizację danych, konfigurowanie równoległej optymalizacji hiperparametrów oraz korzystanie z MLflow do przeglądania wyników, rejestrowania modelu i wnioskowania na nowych danych przy użyciu zarejestrowanego modelu poprzez funkcję UDF w platformie Spark.

W notesie używany jest pakiet PyTorch w języku Python, który zapewnia przyspieszone przez GPU obliczenia tensorowe i funkcje wysokiego poziomu do budowy sieci głębokiego uczenia.

Gdy wszystko będzie gotowe, możesz wdrożyć model przy użyciu funkcji Wdrażanie modeli przy użyciu usługi Mozaika AI Model Serving.

Notatnik trenowania modelu MLflow PyTorch

Weź notatnik