运用于 NGC 集合构建和部署口罩检测应用程序

适用 NGC 协作和协同作战墨镜检测系统设计程序

AI 文书工作系统设计很多样。协作一个 AI 系统设计程序不是一项简单的专业训练任务，因为它必须各种具有领域专业知识的各种既得利益简而言之来大规模研发和协同作战系统设计程序。数据科学家和研发人员必须方便地回访操作系统协作块，例如假设和器皿，它们不仅安全性、轻量，而且具有协作其 AI 假设所只需的Core。

在协作下回系统设计程序之后，DevOps 和 IT 管理人员必须一些基本功能，这些基本功能可以借助他们在各种设备之间无缝地协同作战和管理这些系统设计程序，都有本地设备、云设备或底部设备。

NVIDIA 协作了 NGC 索引，通过提供者不易回访的 GPU 优化操作系统，例如器皿、预先专业训练的假设、系统设计框架和协作 AI 系统设计程序所只需的 Helm 图所列，来简化和加速 AI 文书工作系统设计。

在这篇文章之中，我们将演示如何适用 NGC 索引和它的核心顶层特性，例如不可数、NGC 私有配置文件和 AI 协作块来协作和协同作战一个墨镜检测系统设计程序，作为一个示例，该示例演示了 development-to-deployment 管道。

简化用户旅程

随着 NGC 的发行，NVIDIA 简化了整个用户感官，并将所只需的就其器皿、假设、字符串和 Helm 图所列集之中在一个地方，而无只需在索引之中定位和协调各种脱离的协作块。

您可以找到针对特定专业训练任务的文书工作负载的 NGC 不可数，如终端语音识别或图像归类，以及行业 SDK，例如 NVIDIA Clara 或搬迁研修 (TLT)。如果您希望协作一个用于对象检测的系统设计程序，那么在索引之中搜索该不可数，您将在一个地方找到所有就其资产。

适用 NVIDIA TF32 Tensor Cores 加速 AI 专业训练

NVIDIA Ampere GPU Core引入了第三代 Tensor Cores，以及属于自己TensorFloat32 (TF32) 方式上加速 FP32 滤波和乘积有理数。TF32 方式上是AmpereGPU Core上 32 位变量的 AI 专业训练的意味着选项。它为取整DL文书工作负载带来了 Tensor Core 加速，而不必须对假设脚本语言进行任何改成。

适用本机16 位格式 (FP16/BF16) 的混合可靠性专业训练仍然是最快的考虑，只必须假设脚本语言之中的几行字符串。所列1显示了与 FP32 CUDA 核来得，A100Tensor Cores 的数学吞吐量。特别援引的是，对于取整专业训练，A100 提供者的数学吞吐量比上一代专业训练GPU V100 高 10 倍。

内部本体

TF32 是 GPU Core Ampere 一代 Tensor Core 之中新增的一种属于自己计算出来方式上。点积计算出来，它构成了乘积有理数和滤波的协作块，将 FP32 的可用轮化到 TF32，在不损失可靠性的意味著计算出来产品，然后将这些产品积累到 FP32 控制器之中。

TF32 只是作为 Tensor Core 操纵方式上官方，而不是一个类型。闪存之中的所有加载和其他操纵下回全原有在 FP32 之中，只有滤波和乘积有理数在有理数之前将它们的可用转换为 TF32。只不过，16位类型提供者加载、各种数算符等等。