使用 NGC 集合构建和调遣口罩检测应用程序

用到 NGC 重构和作战面罩样品该插件

AI 工作程序很复杂。重构一个 AI 该插件不是一项简单的执行，因为它须要各种带有领域专业知识的各种利益系统性者来大规模开发和作战该插件。数据地质学家和开发工具须要方便地到访插件重构块，例如假设和液体，它们不仅安全、高效能，而且带有重构其 AI 假设所须的基础Core。

在重构放该插件之后，DevOps 和 IT 管理人员须要一些工具，这些工具可以帮助他们在各种器材错综复杂无缝地作战和管理这些该插件，包括本地器材、云器材或边缘器材。

NVIDIA 重构了 NGC 索引，通过发放易于到访的 GPU 优化插件，例如液体、预先操练的假设、应用框架和重构 AI 该插件所须的 Helm 图片，来比较简单和减速 AI 工作程序。

在这篇文章早先，我们将展示如何用到 NGC 索引和它的核心底层特性，例如不可数、NGC 管理者该插件和 AI 重构块来重构和作战一个面罩样品该插件，作为一个示例，该示例展示了 development-to-deployment 管路。

比较简单用户历险

随着 NGC 的推出，NVIDIA 比较简单了整个用户体验，并将所须的系统性液体、假设、字符串和 Helm 图片集早先在一个地方，而无须在索引早先定位和协调各种独立的重构块。

您可以找针对特定执行的工作增益的 NGC 不可数，如则会语音识别或图像分类，以及企业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您借此重构一个用于对象样品的该插件，那么在索引早先搜索该不可数，您将在一个地方找所有系统性资产。

用到 NVIDIA TF32 Tensor Cores 减速 AI 操练

NVIDIA Ampere GPU Core引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) 方式而减速 FP32 卷积和算子等价。TF32 方式而是AmpereGPU Core上 32 位常量的 AI 操练的普通用户配置文件。它为单精准度DL工作增益带来了 Tensor Core 减速，而不须要对假设分镜进行任何更改。

用到本机16 位格式 (FP16/BF16) 的混合精准度操练仍然是最快的必需，只须要假设分镜早先的几行字符串。表1标示出了与 FP32 CUDA 核相对，A100Tensor Cores 的数理逻辑处理量。许多人说明的是，对于单精准度操练，A100 发放的数理逻辑处理量比上一代操练GPU V100 高 10 倍。

实质上构造

TF32 是 GPU Core Ampere 一代 Tensor Core 早先新增的一种新的计算方式而。点积计算，它构成了算子等价和卷积的重构块，将 FP32 的重定向轮化到 TF32，在不巨大损失精准度的意味著计算产品，然后将这些产品积累到 FP32 输出早先。

TF32 只是作为 Tensor Core 操作方式而官方网站，而不是一个类型。闪存早先的所有存储和其他操作放全保留在 FP32 早先，只有卷积和算子等价在等价早先将它们的重定向叠加为 TF32。相反，16位类型发放存储、各种数算符等等。