This is the Trace Id: 90517b64a70f7bf27830cc1461936012
Ugrás a tartalomtörzsre Felfedezés Az összes termék megtekintése (200+) Microsoft Foundry Azure Copilot GitHub Copilot Azure Kubernetes Service (AKS) Azure Cosmos DB Azure Database for PostgreSQL Azure Arc Microsoft Fabric Linux Virtual Machines az Azure-ban Foundry Models Foundry Agent Service Foundry IQ Foundry Tools Foundry Control Plane Observability a Foundry Control Plane felületén Azure OpenAI in Foundry Models Azure Beszéd a Foundry Toolsban Azure Machine Learning Az összes adatbázis megtekintése Azure Cosmos DB Azure DocumentDB Azure SQL Azure Database for PostgreSQL Azure által felügyelt Redis Microsoft Fabric Azure Databricks Linux Virtual Machines az Azure-ban Windows Server az Azure-on Azure Functions Azure Virtual Machine Scale Sets Azure API Management Azure Container Apps Azure Kubernetes Service (AKS) Azure Kubernetes Fleet Manager Azure Container Registry Azure Red Hat OpenShift Azure Container Instances Azure tároló tárhely Azure Arc Azure Local Felhőhöz készült Microsoft Defender Azure Monitor Microsoft Sentinel Azure Migrate Az összes megoldás megtekintése (40+) Felhőmegoldások kis- és középvállalatoknak Felhőmigrálási és modernizációs központ Adatelemzés mesterséges intelligenciához Azure-adatbázisok AI-alkalmazások és ‑ügynökök Microsoft Marketplace Microsoft Sovereign Cloud AI-alkalmazások és ‑ügynökök Felelősen alkalmazott AI az Azure-ral AI-infrastruktúra Adatelemzés mesterséges intelligenciához Gépi tanulási műveletek (MLOps) Kevés kódolást igénylő alkalmazásfejlesztés az Azure-ban Integrációs szolgáltatások Kiszolgáló nélküli számítástechnika DevOps Áttelepítési és korszerűsítési központ .NET-alkalmazások áttelepítése Adatbázisok az Azure-ban Azure-beli Linux Azure-beli Oracle SAP a Microsoft felhőben Adaptív felhő Nagy teljesítményű feldolgozás (HPC) Szolgáltatott infrastruktúra (IaaS) Rugalmasság Azure Essentials Frontier Accelerate Azure-hez Azure-beli FinOps Microsoft Marketplace Azure-díjszabás áttekintése Azure-fiók létrehozása Ingyenes Azure-szolgáltatások Rugalmas vásárlási lehetőségek Díjszabási kalkulátor Azure-beli FinOps A mesterséges intelligenciából származó ROI maximalizálása Megtakarítási Azure-csomagok Azure-foglalások Azure Hybrid Benefit Virtual Machines Azure SQL Microsoft Foundry Microsoft Fabric Azure Kubernetes Service (AKS) Felhőhöz készült Microsoft Defender További információ Szoftverfejlesztő vállalatok Microsoft Marketplace Partner keresése Források Azure-partnereknek Az Azure használatának első lépései Ügyfeleink sikertörténetei Elemzői jelentések, tanulmányok, e-könyvek Videók További információ a felhőalapú számításról Dokumentáció Az Azure Portal felfedezése Fejlesztői források Gyorssablonok Források startupok számára Fejlesztői közösség Diákok Azure partnereknek Blog Események és webináriumok Képzés Támogatás Kapcsolatfelvétel az értékesítéssel Az Azure használatának első lépései Bejelentkezés

Nyílt forráskódú gépi tanulási keretrendszerek az Azure-ban

Modellek gyorsabb létrehozása és üzembe helyezése nyitott ökoszisztémával.

Az Azure-ban gyorsan létrehozhatja és üzembe helyezheti gépi tanulási modelljeit kedvenc nyílt forráskódú keretrendszereit használva. Az Azure egy nyitott és együttműködő ökoszisztémát biztosít, amelyben az Ön által kiválasztott keretrendszert használhatja korlátozások nélkül, felgyorsíthatja a gépi tanulási életciklus minden fázisát, és a modelljeit a felhőtől a permhálózatokig bárhol futtathatja.

Gépi tanulási modelleket az Ön által választott keretrendszerben fejleszthet

Az Azure támogatja az összes népszerű gépi tanulási keretrendszert. Akár olyan mély tanulási keretrendszerekben fejleszt modelleket, mint a PyTorch vagy a TensorFlow, akár az Azure automatizált gépi tanulási képességeit használja, akár hagyományos gépi tanulási modelleket tanít be a scikit-learnben, a számítási feladatait támogatja az Azure.

Az Azure Machine Learning Service által támogatott gépi tanulási keretrendszereket bemutató diagram.

Dedukció több operációs rendszeren és hardveres platformon

A nyílt forráskódú ONNX futtatókörnyezethasználatával a következtetéseket a hardverplatformok széles skáláján optimalizálhatja. Az ONNX közös nyelvi futtatókörnyezet olyan népszerű keretrendszereket támogat, mint a PyTorch, a TensorFlow, a Keras, a SciKit-Learn és mások, és akár 17-szer gyorsabb dedukcióra és 1,4-szer gyorsabb betanításra képes. Az ONNX közös nyelvi futtatókörnyezetet használhatja az ML-modelleknél dedukcióra Linux, Windows, Mac rendszeren, sőt akár mobileszközökön is. Az ONNX közös nyelvi futtatókörnyezet olyan partnerek gyorsítószoftvereit integrálja, mint az Intel vagy az NVIDIA, így maximalizálhatja a teljesítményt akár a felhőben, akár a peremhálózaton.

A Azure Machine Learning Service által támogatott hardverplatformokat bemutató diagram.

Felgyorsíthatja a teljes gépi tanulási folyamatot

Gyorsítsa fel a hatékonyságot az automatizált gépi tanulással. Gyorsan azonosíthatja a megfelelő algoritmusokat és finomhangolhatja a hiperparamétereket, a teljes gépi tanulási életciklust pedig egyszerűen kezelheti egyszerű üzembe helyezéssel a felhőtől a peremhálózatig. Ezen funkciók mindegyikét elérheti egy eszközfüggetlen Python SDK-val.

A teljes gépi tanulási életciklust bemutató diagram.
Vissza a lapokra

Egyszerűbb és gyorsabb gépi tanulás az Azure-ral

Magyar (Magyarország)
Adatvédelmi beállítások elutasítása ikon Adatvédelemmel kapcsolatos választási lehetőségek
Fogyasztói állapot adatainak védelme Kapcsolatfelvétel a Microsofttal Adatvédelem Cookie-k kezelése Használati feltételek Védjegyek A hirdetéseinkről EU Compliance DoCs