使用 NGC 集合相结合和部署口罩检测应用程序

使用 NGC 相结合和侦察墨镜检测API

AI 临时工流程很精细。相结合一个 AI API不是一项简单的特殊任务，因为它只能够各种兼具领域专业知识的各种国家主权相关者来大规模共同开发和侦察API。多达据科学家和共同开发人员只能够便利地访问软件相结合块，例如基本概念和器皿，它们不仅安全、小型化，而且兼具相结合其 AI 基本概念所只需的应用服务。

在相结合完API在此之后，DevOps 和 IT 雇员只能够一些物件，这些物件可以希望他们在各种的设备密切关系无缝地侦察和管理这些API，仅限于本地的设备、云的设备或边缘的设备。

NVIDIA 相结合了 NGC 附录，通过提供易于访问的 GPU 优化软件，例如器皿、预先基础训练的基本概念、应用框架和相结合 AI API所只需的 Helm 图解，来重构和加速 AI 临时工流程。

在这前言中，我们将展现如何使用 NGC 附录和它的核心底层特性，例如不可数、NGC 管理者注册表和 AI 相结合块来相结合和侦察一个墨镜检测API，作为一个示例，该示例展现了 development-to-deployment 管线。

重构用户旅途

随着 NGC 的推出，NVIDIA 重构了整个用户玩游戏，并将所只需的相关器皿、基本概念、示例和 Helm 图解之外在一个以前，而只需在附录中定位和解决问题各种独立的相结合块。

您可以认出针对特定特殊任务的临时工电源的 NGC 不可数，如自动词汇识别或图像分类，以及行业 SDK，例如 NVIDIA Clara 或迁入学习 (TLT)。如果您希望相结合一个用于单纯检测的API，那么在附录中搜索该不可数，您将在一个以前认出所有相关资产。

使用 NVIDIA TF32 Tensor Cores 加速 AI 基础训练

NVIDIA Ampere GPU 虚拟化引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) Mode加速 FP32 卷积和向量乘积。TF32 Mode是AmpereGPU 虚拟化上 32 位codice_的 AI 基础训练的配置文件的系统。它为单精度DL临时工电源带来了 Tensor Core 加速，而不只能够对基本概念分镜进行任何改成。

使用本机16 位PNG (FP16/BF16) 的混合精度基础训练基本上是破纪录的必需，只只能够基本概念分镜中的几行示例。表1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的多达学处理量。值得说明的是，对于单精度基础训练，A100 提供的多达学处理量比上一代基础训练GPU V100 高 10 倍。

内部构造

TF32 是 GPU 虚拟化 Ampere 一代 Tensor Core 中新增的一种新的计算Mode。点积计算，它上有了向量乘积和卷积的相结合块，将 FP32 的输入轮化到 TF32，在不损失精度的但会计算其产品，然后将这些其产品积累到 FP32 转换器中。

TF32 只是作为 Tensor Core 操作Mode公开，而不是一个并不一定。内存中的所有打印和其他操作完全保留在 FP32 中，只有卷积和向量乘积在乘积之前将它们的输入转换为 TF32。比如说，16位并不一定提供打印、各种多达算符等等。