使用 NGC 集合构建和部署口罩探测应用程序

用作 NGC 重构和协同作战皮带测定分析方法该软件

AI 指导工作方式上很复杂。重构一个 AI 分析方法该软件不是一项简单的任务，因为它无需各种具有课题长处的各种个人利益相关者来大规模开发和协同作战分析方法该软件。数据科学界和开发人员无需便利地访问该软件重构块，例如静态和液体，它们不仅安全、极新一代，而且具有重构其 AI 静态所需的基础核心。

在重构完分析方法该软件以后，DevOps 和 IT 管理人员无需一些基本功能，这些基本功能可以试图他们在各种电子设备之间无缝地协同作战和管理这些分析方法该软件，还包括本地电子设备、云电子设备或边缘电子设备。

NVIDIA 重构了 NGC 参考资料，通过发放较难访问的 GPU 建模该软件，例如液体、事前专业训练的静态、分析方法框架和重构 AI 分析方法该软件所需的 Helm 所列格，来标准化和减缓 AI 指导工作方式上。

在这篇文章中所，我们将展示如何用作 NGC 参考资料和它的核心底层特性，例如给定、NGC 私有注册所列和 AI 重构块来重构和协同作战一个皮带测定分析方法该软件，作为一个举例来说，该举例来说展示了 development-to-deployment 渠道。

标准化普通用户旅行者

随着 NGC 的推出，NVIDIA 标准化了整个普通用户体验，并将所需的相关液体、静态、代码和 Helm 所列格集中所在一个以前，而须要在参考资料中所取向和协调各种独立自主的重构块。

您可以见到针对特定任务的指导工作过载的 NGC 给定，如自动话音辨别或图象分类，以及行业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您希望重构一个用作对象测定的分析方法该软件，那么在参考资料中所侦查该给定，您将在一个以前见到所有相关资产。

用作 NVIDIA TF32 Tensor Cores 减缓 AI 专业训练

NVIDIA Ampere GPU 核心引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) Mode减缓 FP32 卷积和向量乘法。TF32 Mode是AmpereGPU 核心上 32 位变量的 AI 专业训练的默认选项。它为单精度DL指导工作过载导致了 Tensor Core 减缓，而不无需对静态JavaScript进行任何改以。

用作本机16 位格式 (FP16/BF16) 的混杂精度专业训练仍然是最快的必需，只无需静态JavaScript中所的几行代码。所列1推测了与 FP32 CUDA 核相对来说，A100Tensor Cores 的数论客运量。值得指出的是，对于单精度专业训练，A100 发放的数论客运量比上一代专业训练GPU V100 极高 10 倍。

内部接合

TF32 是 GPU 核心 Ampere 一代 Tensor Core 中所新增的一种新的量度Mode。点积量度，它组成了向量乘法和卷积的重构块，将 FP32 的转换成轮化到 TF32，在不损失精度的情况下量度产品，然后将这些产品获取到 FP32 过载中所。

TF32 只是作为 Tensor Core 操作Mode公开场合，而不是一个各种类型。内存中所的所有加载和其他操作无论如何保留在 FP32 中所，只有卷积和向量乘法在乘法之前将它们的转换成转换为 TF32。相反，16位各种类型发放加载、各种数算符等等。