使用 NGC 集合构建和部署防毒面具检测应用程序

运用于 NGC 构建和侦察口罩侦测API

AI 实习报表很简单。构建一个 AI API不是一项简单的执行，因为它并不无需要各种具备信息技术资质的各种国家主权相关者来大规模技术开发和侦察API。天内据科学家和技术开发工具并不无需要便利地次访问配置系统构建块，例如天内学方法和托盘，它们不仅安全、很低性能，而且具备构建其 AI 天内学方法所无需的云端。

在构建再来API之后，DevOps 和 IT 管理人员并不无需要一些工具，这些工具可以帮助他们在各种仪器之间无缝地侦察和管理这些API，包括本地仪器、云仪器或边缘仪器。

NVIDIA 构建了 NGC 索引，通过获取易于次访问的 GPU 优化配置系统，例如托盘、预先基础训练的天内学方法、领域构建和构建 AI API所无需的 Helm 表格，来重构和较慢 AI 实习报表。

在这篇文章中都，我们将展示如何运用于 NGC 索引和它的外部底层特性，例如交集、NGC 使用权意味着和 AI 构建块来构建和侦察一个口罩侦测API，作为一个示例，该示例展示了 development-to-deployment 管道。

重构用户旅程

随着 NGC 的热卖，NVIDIA 重构了整个用户体验，并将所无需的相关托盘、天内学方法、文档和 Helm 表格集中都在一个偏远地区，而无无需在索引中都定位和密切合作各种单独的构建块。

您可以找到针对特定执行的实习负载的 NGC 交集，如自动构词识别或图像分类，以及行业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您期望构建一个用于对象侦测的API，那么在索引中都查找该交集，您将在一个偏远地区找到所有相关资产。

运用于 NVIDIA TF32 Tensor Cores 较慢 AI 基础训练

NVIDIA Ampere GPU 架构引入了第三代 Tensor Cores，以及新TensorFloat32 (TF32) 种系统较慢 FP32 时域和线性幂。TF32 种系统是AmpereGPU 架构上 32 位参数的 AI 基础训练的意味着预设。它为单精确度DL实习负载带来了 Tensor Core 较慢，而不并不无需要对天内学方法JavaScript进行任何更换。

运用于MA16 位格式 (FP16/BF16) 的混合精确度基础训练依然是最快的选取，只并不无需要天内学方法JavaScript中都的几行文档。表1显示了与 FP32 CUDA 核相对于，A100Tensor Cores 的天内学日均。有一点指出的是，对于单精确度基础训练，A100 获取的天内学日均比上从前基础训练GPU V100 很低 10 倍。

外部构造

TF32 是 GPU 架构 Ampere 从前 Tensor Core 中都新增的一种新计算种系统。点积计算，它组合成了线性幂和时域的构建块，将 FP32 的输出轮化到 TF32，在不人员伤亡精确度的情况下计算商品，然后将这些商品积聚到 FP32 输出中都。

TF32 只是作为 Tensor Core 配置种系统公开，而不是一个类型。内核中都的所有存储和其他配置再来全保留在 FP32 中都，只有时域和线性幂在幂早先将它们的输出转成为 TF32。同样，16位类型获取存储、各种天内动量等等。