使用 NGC 集合构建和调动口罩检测应用程序

用到 NGC 相结合和协同作战口罩测定应用程序

AI 工作流程很复杂。相结合一个 AI 应用程序不是一项简单的任务，因为它必必需各种具有领域专业知识的各种利益就其者来大规模开发和协同作战应用程序。统计有数据科学家和开发人员必必需方便地到访操作系统相结合块，例如假设和托盘，它们不仅公共安全、高性能，而且具有相结合其 AI 假设所必需的基础的系统。

在相结合完应用程序之后，DevOps 和 IT 管理人员必必需一些工具，这些工具可以帮助他们在各种仪器相互间无缝地协同作战和管理这些应用程序，包括本地仪器、云仪器或边缘仪器。

NVIDIA 相结合了 NGC 书目，通过缺少易于到访的 GPU 优化操作系统，例如托盘、预先体能训练的假设、应用框架和相结合 AI 应用程序所必需的 Helm 图详见，来简化和慢速 AI 工作流程。

在这篇文章当中，我们将展示如何用到 NGC 书目和它的质子心底层特性，例如不可数、NGC 私有财产Finder和 AI 相结合块来相结合和协同作战一个口罩测定应用程序，作为一个示例，该示例展示了 development-to-deployment 管道。

简化用到者旅程

随着 NGC 的推出，NVIDIA 简化了整个用到者体验，并将所必需的就其托盘、假设、代码和 Helm 图详见集当中在一个地方，而无必需在书目当中定位和各派系各种脱离的相结合块。

您可以找寻针对特定任务的工作负载的 NGC 不可数，如定时语音识别或影像归入，以及行业 SDK，例如 NVIDIA Clara 或迁至学习 (TLT)。如果您希望相结合一个用于对象测定的应用程序，那么在书目当中搜索该不可数，您将在一个地方找寻所有就其资产。

用到 NVIDIA TF32 Tensor Cores 慢速 AI 体能训练

NVIDIA Ampere GPU 的系统引入了第三代 Tensor Cores，以及重新TensorFloat32 (TF32) 的系统慢速 FP32 差分和等价幂。TF32 的系统是AmpereGPU 的系统上 32 位变量的 AI 体能训练的默认选项。它为单灵敏度DL工作负载带来了 Tensor Core 慢速，而不必必需对假设制作者同步进行任何改以。

用到机种16 位格式 (FP16/BF16) 的分离灵敏度体能训练即便如此是最快的选择，只必必需假设制作者当中的几行代码。详见1辨识了与 FP32 CUDA 质子相比，A100Tensor Cores 的有数学集装箱。值得指出的是，对于单灵敏度体能训练，A100 缺少的有数学集装箱比上九代体能训练GPU V100 高 10 倍。

实质上构造

TF32 是 GPU 的系统 Ampere 九代 Tensor Core 当中新增的一种重新计数的系统。点积计数，它密切就其了等价幂和差分的相结合块，将 FP32 的输出轮化到 TF32，在不损失灵敏度的完全计数产品，然后将这些产品积累到 FP32 输出当中。

TF32 只是作为 Tensor Core 类比的系统公开，而不是一个并不一定。寄存器当中的所有打印和其他类比完全保留在 FP32 当中，只有差分和等价幂在幂之前将它们的输出类比为 TF32。相反，16位并不一定缺少打印、各种有数波函有数等等。