使用 NGC 集合构建和布署口罩检测应用程序

可用 NGC 重构和地面部队眼罩测定操作系统

AI 社会活动流程很复杂。重构一个 AI 操作系统不是一项恰当的战斗任务，因为它并不无需要各种兼具领域长处的各种利益无关者来大规模共同开发和地面部队操作系统。至少据科学家和共同JavaScript并不无需要方便地采访该软件重构块，例如假设和罐，它们不仅安全、极高性能，而且兼具重构其 AI 假设所并不无需的基础框架。

在重构紧接操作系统以后，DevOps 和 IT 管理人员并不无需要一些机器，这些机器可以帮助他们在各种器材之间无缝地地面部队和管理这些操作系统，仅限于本地器材、云器材或向外器材。

NVIDIA 重构了 NGC 清单，通过透过易于采访的 GPU 重构该软件，例如罐、可先培训的假设、应用框架和重构 AI 操作系统所并不无需的 Helm 图此表，来简便和较慢 AI 社会活动流程。

在这一本书之中，我们将展示出如何可用 NGC 清单和它的内部底层特性，例如交集、NGC 私有注册此表和 AI 重构块来重构和地面部队一个眼罩测定操作系统，作为一个请注意，该请注意展示出了 development-to-deployment 管道。

简便应用程序旅程

随着 NGC 的推出，NVIDIA 简便了整个应用程序体验，并将所并不无需的无关罐、假设、代码和 Helm 图此表集之中在一个以外，而无并不无需在清单之中定位和互相配合各种独立自主的重构块。

您可以找到针对特定战斗任务的社会活动阻抗的 NGC 交集，如定时口语辨识或位图界定，以及零售业 SDK，例如 NVIDIA Clara 或迁移进修 (TLT)。如果您希望重构一个用以对象测定的操作系统，那么在清单之中跟踪该交集，您将在一个以外找到所有无关资本。

可用 NVIDIA TF32 Tensor Cores 较慢 AI 培训

NVIDIA Ampere GPU 框架引入了第三代 Tensor Cores，以及一新TensorFloat32 (TF32) 的系统较慢 FP32 时域和行列式减法。TF32 的系统是AmpereGPU 框架上 32 位变量的 AI 培训的意味着选项。它为浮点至少DL社会活动阻抗造就了 Tensor Core 较慢，而不并不无需要对假设程序员开展任何改动。

可用Yak-16 位格式 (FP16/BF16) 的混合精准度培训仅仅是最快的选择，只并不无需要假设程序员之中的几行代码。此表1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的至少学发送量。很多人指出的是，对于浮点至少培训，A100 透过的至少学发送量比上一代培训GPU V100 极高 10 倍。

内部结构上

TF32 是 GPU 框架 Ampere 一代 Tensor Core 之中升级的一种一新计至少的系统。点积计至少，它无关联了行列式减法和时域的重构块，将 FP32 的输入轮化到 TF32，在不损失精准度的情况下计至少产品，然后将这些产品积累到 FP32 输出之中。

TF32 只是作为 Tensor Core 配置的系统公开，而不是一个种类。内存之中的所有驱动器和其他配置仅仅保持一致在 FP32 之中，只有时域和行列式减法在减法以后将它们的输入转换为 TF32。相反，16位种类透过驱动器、各种至少量子态等等。