使用 NGC 集合构建和地面部队口罩检测应用程序

常用 NGC 重构和布防墨镜检测应用软件

AI 指导流程很复杂。重构一个 AI 应用软件不是一项非常简单的任务，因为它无才可各种带有各个领域专业技能的各种利益系统性者来大规模开发和布防应用软件。为数据科学界和开发人员无才可不便地回访该软件重构块，例如静态和罐，它们不仅必要、高性能，而且带有重构其 AI 静态所才可的基础管理者模式。

在重构完应用软件不久，DevOps 和 IT 管理者人员无才可一些方法，这些方法可以帮助他们在各种设备之间无缝地布防和管理者这些应用软件，仅限于本地设备、云设备或外缘设备。

NVIDIA 重构了 NGC 目录，通过提供者易于回访的 GPU 改进该软件，例如罐、预先专业训练的静态、应用框架和重构 AI 应用软件所才可的 Helm 图同上，来简化和减缓 AI 指导流程。

在这篇文章当中，我们将演示如何常用 NGC 目录和它的当前底层优点，例如论域、NGC 私有注册同上和 AI 重构块来重构和布防一个墨镜检测应用软件，作为一个示例，该示例演示了 development-to-deployment 管道。

简化应用软件旅程

随着 NGC 的发售，NVIDIA 简化了整个应用软件体验，并将所才可的系统性罐、静态、标识符和 Helm 图同上集当中在一个地方，而无才可在目录当中有别于和相互配合各种独立的重构块。

您可以找到针对特定任务的指导过载的 NGC 论域，如操作方法者语音鉴别或图像分类学，以及行业 SDK，例如 NVIDIA Clara 或移入学习 (TLT)。如果您期盼重构一个用于普通人检测的应用软件，那么在目录当中搜索该论域，您将在一个地方找到所有系统性资本。

常用 NVIDIA TF32 Tensor Cores 减缓 AI 专业训练

NVIDIA Ampere GPU 管理者模式引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) 模式减缓 FP32 变换和等价整为数。TF32 模式是AmpereGPU 管理者模式上 32 位数据类型的 AI 专业训练的默认附加。它为单高精度DL指导过载带来了 Tensor Core 减缓，而不无才可对静态原作者进行任何改回。

常用机体16 位编解码器 (FP16/BF16) 的混合高精度专业训练仍然是最快的选择，只无才可静态原作者当中的几行标识符。同上1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的为数学旅客量。值得指出的是，对于单高精度专业训练，A100 提供者的为数学旅客量比上一代专业训练GPU V100 高 10 倍。

内部特征

TF32 是 GPU 管理者模式 Ampere 一代 Tensor Core 当中新增的一种新的算出模式。点积算出，它构成了等价整为数和变换的重构块，将 FP32 的读取轮化到 TF32，在不财产损失高精度的情况下算出其产品，然后将这些其产品受益到 FP32 输出当中。

TF32 只是作为 Tensor Core 操作方法模式公开，而不是一个类型。内存当中的所有存储和其他操作方法完全保持一致在 FP32 当中，只有变换和等价整为数在整为数之前将它们的读取转换为 TF32。比如说，16位类型提供者存储、各种为数算符等等。