這很重要
這項功能位於 測試版 (Beta) 中。 工作區管理員可以從 「預覽 」頁面控制對此功能的存取。 請參閱 管理 Azure Databricks 預覽。
此頁面提供使用無伺服器 GPU 運算的傳統機器學習工作的筆記本範例。 這些範例示範如何利用 GPU 進行傳統 ML 演算法和時間序列預測。
XGBoost 模型訓練
此筆記本示範如何在單一 GPU 上定型 XGBoost 回歸模型。 XGBoost 可以顯著受益於大型資料集的 GPU 加速。
XGBoost
利用 Ray 進行分散式 XGBoost 超參數調整
這個電子筆記本展示了端到端的分散式 XGBoost 訓練，並使用 Ray Tune 在 Databricks Serverless GPU 運算上進行超參數優化。
RayTuneXGBoost
使用 GluonTS 進行時間序列預測
本筆記本展示了一種端到端工作流程，用於在無服務器 GPU 集群上使用 GluonTS 的 DeepAR 模型對電力消耗數據進行概率時間序列預測。 它涵蓋資料擷取、重新取樣、模型訓練、預測、視覺化和評估。