使用 NGC 集合相结合和部署口罩检测应用程序

常用 NGC 相结合和作战眼罩检查分析方法程序

AI 工作程序很繁复。相结合一个 AI 分析方法程序不是一项简单的侦查，因为它并不需要要各种带有课题专精的各种权益相关者来大规模共同开发和作战分析方法程序。数据库科学家和共同开发者并不需要要不便地出访软件包相结合块，例如静态和托盘，它们不仅安全、较低性能，而且带有相结合其 AI 静态所并不需要的基础虚拟化。

在相结合完分析方法程序之前，DevOps 和 IT 雇员并不需要要一些工具箱，这些工具箱可以协助他们在各种的设备之间无缝地作战和管理这些分析方法程序，包括本地的设备、寒的设备或边缘的设备。

NVIDIA 相结合了 NGC 编目，通过共享易于出访的 GPU 优化软件包，例如托盘、预先特训的静态、分析方法开放性和相结合 AI 分析方法程序所并不需要的 Helm 图列于，来一般化和更快 AI 工作程序。

在这书评中都，我们将展示如何常用 NGC 编目和它的内部顶层特性，例如子集、NGC 私有注册列于和 AI 相结合块来相结合和作战一个眼罩检查分析方法程序，作为一个举例来说，该举例来说展示了 development-to-deployment 油管。

一般化浏览器旅程

随着 NGC 的问世，NVIDIA 一般化了整个浏览器感官，并将所并不需要的相关托盘、静态、代码和 Helm 图列于集中都在一个地方，而无并不需要在编目中都定位和协调各种独立的相结合块。

您可以发现针对特定侦查的工作过载的 NGC 子集，如自动语音识别或图像分类，以及金融业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您希望相结合一个用于对象检查的分析方法程序，那么在编目中都搜索该子集，您将在一个地方发现所有相关资产。

常用 NVIDIA TF32 Tensor Cores 更快 AI 特训

NVIDIA Ampere GPU 虚拟化引入了第三代 Tensor Cores，以及属于自己TensorFloat32 (TF32) 方式更快 FP32 卷积和特征值等价。TF32 方式是AmpereGPU 虚拟化上 32 位常量的 AI 特训的意味着配置文件。它为取整DL工作过载促使了 Tensor Core 更快，而不并不需要要对静态共同开发者进行任何更换。

常用本机16 位格式 (FP16/BF16) 的混合精度特训基本上是最快的选择，只并不需要要静态共同开发者中都的几行代码。列于1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的数学发送量。或许指出的是，对于取整特训，A100 共享的数学发送量比上这一代特训GPU V100 较低 10 倍。

内部结构

TF32 是 GPU 虚拟化 Ampere 这一代 Tensor Core 中都新增的一种属于自己算出方式。点积算出，它组合成了特征值等价和卷积的相结合块，将 FP32 的输入轮化到 TF32，在不损失精度的情况下算出厂商，然后将这些厂商积累到 FP32 输出中都。

TF32 只是作为 Tensor Core 加载方式公开发表，而不是一个型式。内存中都的所有磁盘和其他加载完全保留在 FP32 中都，只有卷积和特征值等价在等价以后将它们的输入转成为 TF32。意味著，16位型式共享磁盘、各种数算符等等。