使用 NGC 集合协作和部署口罩检测应用程序

采用 NGC 借助于和地面部队口罩检测该软件

AI 兼职报请注意很复杂。借助于一个 AI 该软件不是一项简单的使命，因为它只无需各种具有领域经验的各种利益就其者来大规模开发计划和地面部队该软件。数据科学家和开发计划人员只无需方便地出访软件借助于块，例如静态和容器，它们不仅安全、颇高性能，而且具有借助于其 AI 静态所只需的基础架构。

在借助于完该软件之后，DevOps 和 IT 行政人员只无需一些应用软件，这些应用软件可以协助他们在各种仪器之间无缝地地面部队和行政这些该软件，包括本地仪器、云仪器或边缘仪器。

NVIDIA 借助于了 NGC 索引，通过提供难于出访的 GPU 优化软件，例如容器、预先特训的静态、应用框架和借助于 AI 该软件所只需的 Helm 粗略，来细化和加快 AI 兼职报请注意。

在这篇文章里面，我们将展现如何采用 NGC 索引和它的一个里面心底层特性，例如子集、NGC 私有注册请注意和 AI 借助于块来借助于和地面部队一个口罩检测该软件，作为一个举例来说，该举例来说展现了 development-to-deployment 管道。

细化Gmail旅程

随着 NGC 的推出，NVIDIA 细化了整个Gmail体验，并将所只需的就其容器、静态、代码和 Helm 粗略集里面在一个以前，而无只需在索引里面定位和协调各种统一的借助于块。

您可以看到针对特定使命的兼职负载的 NGC 子集，如自动语音识别或三维分类，以及行业 SDK，例如 NVIDIA Clara 或迁移深造 (TLT)。如果您希望借助于一个应用于对象检测的该软件，那么在索引里面搜索该子集，您将在一个以前看到所有就其股东权益。

采用 NVIDIA TF32 Tensor Cores 加快 AI 特训

NVIDIA Ampere GPU 架构应运而生了第三代 Tensor Cores，以及原先TensorFloat32 (TF32) 方式也加快 FP32 线性和矩阵乘积。TF32 方式也是AmpereGPU 架构上 32 位函数的 AI 特训的选项选项。它为单可靠性DL兼职负载带来了 Tensor Core 加快，而不只无需对静态脚本语言开展任何更改。

采用本机16 位格式 (FP16/BF16) 的混合可靠性特训仍然是最快的选择，只只无需静态脚本语言里面的几行代码。请注意1显示了与 FP32 CUDA 核相较，A100Tensor Cores 的数学吞吐量。值得指出的是，对于单可靠性特训，A100 提供的数学吞吐量比上新一代特训GPU V100 颇高 10 倍。

内部构造

TF32 是 GPU 架构 Ampere 新一代 Tensor Core 里面新增的一种原先计数方式也。点积计数，它构成了矩阵乘积和线性的借助于块，将 FP32 的输入轮化到 TF32，在不损失可靠性的情况下计数其产品，然后将这些其产品积累到 FP32 可用里面。

TF32 只是作为 Tensor Core 操作方式也官方网站，而不是一个种类。内存里面的所有存储和其他操作实际上保留在 FP32 里面，只有线性和矩阵乘积在乘积早先将它们的输入转化为 TF32。显然，16位种类提供存储、各种数算符等等。