采用 NGC 集合构建和部署口罩检测应用程序

采用 NGC 重构和重新部署皮带侦测软件

AI 指导工作流程很复杂。重构一个 AI 软件不是一项简单的特殊任务，因为它所只需各种具领域专业知识的各种国家主权相关者来大规模开发和重新部署软件。有数据科学家和开发人员所只需方便使用地访问软件重构块，例如三维和试管，它们不仅安全、更高效能，而且具重构其 AI 三维所只需的基础管理模式。

在重构完软件之后，DevOps 和 IT 企业主所只需一些机器，这些机器可以帮助他们在各种的设备彼此间无缝地重新部署和管理这些软件，包括本地的设备、云的设备或内侧的设备。

NVIDIA 重构了 NGC 清单，通过提供者易于访问的 GPU 冗余软件，例如试管、先行体能训练的三维、领域框架和重构 AI 软件所只需的 Helm 图表，来重构和加快 AI 指导工作流程。

在这一段话当中，我们将展现如何采用 NGC 清单和它的核心底层特性，例如交集、NGC 所有者软件和 AI 重构块来重构和重新部署一个皮带侦测软件，作为一个示例，该示例展现了 development-to-deployment 管路。

重构其他用户旅程

随着 NGC 的推出，NVIDIA 重构了整个其他用户体验，并将所只需的相关试管、三维、编译器和 Helm 图表集当中于在一个大多，而不须在清单当中相对于和协调各种独立的重构块。

您可以找到针对特定特殊任务的指导工作负载的 NGC 交集，如则会句法识别或图片分类，以及行业 SDK，例如 NVIDIA Clara 或迁至自学 (TLT)。如果您希望重构一个领域于对象侦测的软件，那么在清单当中搜索该交集，您将在一个大多找到所有相关资产。

采用 NVIDIA TF32 Tensor Cores 加快 AI 体能训练

NVIDIA Ampere GPU 管理模式引入了第三代 Tensor Cores，以及更进一步TensorFloat32 (TF32) 方式在加快 FP32 微分和算子自然有数。TF32 方式在是AmpereGPU 管理模式上 32 位变量的 AI 体能训练的配置文件选项。它为单精准度DL指导工作负载产生了 Tensor Core 加快，而不所只需对三维脚本进行任何更改。

采用机种16 位格式 (FP16/BF16) 的混合精准度体能训练仍然是最快的并不所只需，只所只需三维脚本当中的几行编译器。表1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的有数理逻辑吞吐量。值得指出的是，对于单精准度体能训练，A100 提供者的有数理逻辑吞吐量比上十代体能训练GPU V100 更高 10 倍。

内部本体

TF32 是 GPU 管理模式 Ampere 十代 Tensor Core 当中新增的一种更进一步计算方式在。点积计算，它构成了算子自然有数和微分的重构块，将 FP32 的回传轮化到 TF32，在不财产损失精准度的才会计算系列产品，然后将这些系列产品积累到 FP32 输出当中。

TF32 只是作为 Tensor Core 操作者方式在官方，而不是一个多种类型。内存当中的所有磁盘和其他操作者基本上保留在 FP32 当中，只有微分和算子自然有数在自然有数此前将它们的回传转换为 TF32。只不过，16位多种类型提供者磁盘、各种有数算符等等。