常用 NGC 集合构建和部署口罩检测应用程序

用到 NGC 紧密结合和作战口罩检测操作系统

AI 文书工作处理过程很复杂。紧密结合一个 AI 操作系统不是一项简单的任务，因为它均需各种有着行业专业知识的各种利益某类来大规模开发和作战操作系统。统计至少据生物学家和开发人员均需方便地到访该软件紧密结合块，例如仿真和试管，它们不仅确保、高性能，而且有着紧密结合其 AI 仿真所均需的基础虚拟化。

在紧密结合完操作系统之后，DevOps 和 IT 管理人员均需一些工具，这些工具可以帮助他们在各种电源之间无缝地作战和管理这些操作系统，之外本地电源、虹电源或向外电源。

NVIDIA 紧密结合了 NGC 编目，通过获取并能到访的 GPU 优化该软件，例如试管、可先军事训练的仿真、应用框架和紧密结合 AI 操作系统所均需的 Helm 范例，来细化和更快 AI 文书工作处理过程。

在这一本书之中，我们将展现如何用到 NGC 编目和它的本体底层适应性，例如交集、NGC 私有注册表和 AI 紧密结合块来紧密结合和作战一个口罩检测操作系统，作为一个举例来说，该举例来说展现了 development-to-deployment 管道。

细化使用者之旅

随着 NGC 的推出，NVIDIA 细化了整个使用者感官，并将所均需的涉及试管、仿真、code和 Helm 范例集之中在一个之外，而无均需在编目之中定位和相互配合各种法理的紧密结合块。

您可以找寻针对特定任务的文书工作接地的 NGC 交集，如自动语音识别或图像分类，以及行业 SDK，例如 NVIDIA Clara 或迁至研读 (TLT)。如果您希望紧密结合一个用于对象检测的操作系统，那么在编目之中搜索该交集，您将在一个之外找寻所有涉及资产。

用到 NVIDIA TF32 Tensor Cores 更快 AI 军事训练

NVIDIA Ampere GPU 虚拟化引入了第三代 Tensor Cores，以及取而代之TensorFloat32 (TF32) 方式上更快 FP32 卷积和矩阵加法。TF32 方式上是AmpereGPU 虚拟化上 32 位变量的 AI 军事训练的默认的系统。它为单准确度DL文书工作接地带来了 Tensor Core 更快，而不均需对仿真脚本进行任何修改。

用到本机16 位格式 (FP16/BF16) 的混合准确度军事训练仅仅是最快的选择，只均需仿真脚本之中的几行code。表1表明了与 FP32 CUDA 氘相比，A100Tensor Cores 的高等至少学处理量。毫无疑问指出的是，对于单准确度军事训练，A100 获取的高等至少学处理量比上一代军事训练GPU V100 高 10 倍。

实质上结构

TF32 是 GPU 虚拟化 Ampere 一代 Tensor Core 之中新增的一种取而代之量化方式上。点积量化，它构成了矩阵加法和卷积的紧密结合块，将 FP32 的重定向轮化到 TF32，在不损失准确度的情况下量化厂商，然后将这些厂商获益到 FP32 输出之中。

TF32 只是作为 Tensor Core 操作方式上公开发表，而不是一个多种类型。内存之中的所有存储和其他操作完全保留在 FP32 之中，只有卷积和矩阵加法在加法之前将它们的重定向转换为 TF32。相反，16位多种类型获取存储、各种至少算子等等。