用到 NGC 集合构建和部署口罩检测应用程序

用作 NGC 重构和调遣背心侦测操作系统

AI 岗位流程很适合于。重构一个 AI 操作系统不是一项有趣的培训任务，因为它所需各种具备技术的发展领域专业知识的各种利益集团无关者来大规模研发和调遣操作系统。数据集地质学家和研发小组所需方便地访问操作系统重构块，例如建模和罐，它们不仅安全、颇高性能，而且具备重构其 AI 建模所需的基础实质上。

在重构完操作系统后来，DevOps 和 IT 雇员所需一些方法，这些方法可以设法他们在各种的设备间无缝地调遣和管理机构这些操作系统，包括本地的设备、阳的设备或边缘的设备。

NVIDIA 重构了 NGC 第一版，通过发放难于访问的 GPU 优化操作系统，例如罐、事先培训的建模、技术的发展框架和重构 AI 操作系统所需的 Helm 图表，来简化和慢速 AI 岗位流程。

在这篇文章中的，我们将展览品如何用作 NGC 第一版和它的实质上底层特性，例如空集、NGC 私有注册表和 AI 重构块来重构和调遣一个背心侦测操作系统，作为一个示例，该示例展览品了 development-to-deployment 管道。

简化用户历险

随着 NGC 的推出，NVIDIA 简化了整个用户玩游戏，并将所需的无关罐、建模、编译器和 Helm 图表集中于的在一个以前，而无需在第一版中的定位和协调各种分立的重构块。

您可以找出针对特定培训任务的岗位负载的 NGC 空集，如自动构词识别或图像分类，以及行业 SDK，例如 NVIDIA Clara 或搬迁研读 (TLT)。如果您想重构一个用于都可侦测的操作系统，那么在第一版中的查看该空集，您将在一个以前找出所有无关不动产。

用作 NVIDIA TF32 Tensor Cores 慢速 AI 培训

NVIDIA Ampere GPU 实质上引进了第三代 Tensor Cores，以及一新TensorFloat32 (TF32) 的系统慢速 FP32 微分和等价自然数。TF32 的系统是AmpereGPU 实质上上 32 位变量的 AI 培训的默认选项。它为低阶DL岗位负载促使了 Tensor Core 慢速，而不所需对建模原作者进行任何更改。

用作MA16 位格式 (FP16/BF16) 的混合精度培训依然是最慢的选择，只所需建模原作者中的的几行编译器。表1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的数学客运量。值得指出的是，对于低阶培训，A100 发放的数学客运量比上世代培训GPU V100 颇高 10 倍。

实质上形态

TF32 是 GPU 实质上 Ampere 世代 Tensor Core 中的新增的一种一新量化的系统。点积量化，它相关联了等价自然数和微分的重构块，将 FP32 的可用轮化到 TF32，在不损失精度的情况下量化厂商，然后将这些厂商积累到 FP32 转换器中的。

TF32 只是作为 Tensor Core 系统设计的系统匿名，而不是一个子类。磁盘中的的所有传输和其他系统设计完全保留在 FP32 中的，只有微分和等价自然数在自然数前将它们的可用类比为 TF32。相反，16位子类发放传输、各种数本征函数等等。