使用 NGC 集合构建和部署口罩扫描应用程序

运用于 NGC 借助于和作战口罩检测软件包

AI 管理机构工作流程很复杂。借助于一个 AI 软件包不是一项简单的勤务，因为它须要各种较强领域知识的各种利益特别者来大规模合作开发和作战软件包。数据地质学家和合作开发人员须要方便地访问软件借助于块，例如框架和试管，它们不仅安全、高性能，而且较强借助于其 AI 框架所须的管理系统。

在借助于完软件包不久，DevOps 和 IT 管理机构人员须要一些工具，这些工具可以鼓励他们在各种电子系统相互间无缝地作战和管理机构这些软件包，之外本地电子系统、容电子系统或边沿电子系统。

NVIDIA 借助于了 NGC 书目，通过提供并能访问的 GPU 优化软件，例如试管、事先培训的框架、运用于框架和借助于 AI 软件包所须的 Helm 图像，来比较简单和较快 AI 管理机构工作流程。

在这篇文章中都，我们将展览品如何运用于 NGC 书目和它的氘心上层优点，例如可数、NGC 私有配置文件和 AI 借助于块来借助于和作战一个口罩检测软件包，作为一个下面，该下面展览品了 development-to-deployment 管道。

比较简单其他用户旅程

随着 NGC 的推出，NVIDIA 比较简单了整个其他用户体验，并将所须的特别试管、框架、代码和 Helm 图像集中都在一个区域内，而无须在书目中都整合和协调各种单独的借助于块。

您可以找针对特定勤务的管理机构工作负载的 NGC 可数，如启动时词汇标识或图形分类，以及服务业 SDK，例如 NVIDIA Clara 或迁入学习 (TLT)。如果您决心借助于一个用于实例检测的软件包，那么在书目中都侦查该可数，您将在一个区域内找所有特别不动产。

运用于 NVIDIA TF32 Tensor Cores 较快 AI 培训

NVIDIA Ampere GPU 架构应运而生了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) 方式在较快 FP32 卷积和行列式行列式。TF32 方式在是AmpereGPU 架构上 32 位给定的 AI 培训的预设选项。它为-bitDL管理机构工作负载带来了 Tensor Core 较快，而不须要对框架程序员进行任何更改。

运用于本机16 位格式 (FP16/BF16) 的混搭可靠性培训即便如此是最快的为了让，只须要框架程序员中都的几行代码。表格1结果显示了与 FP32 CUDA 氘比起，A100Tensor Cores 的数论日均。值得表明的是，对于-bit培训，A100 提供的数论日均比上一代培训GPU V100 高 10 倍。

之外形态

TF32 是 GPU 架构 Ampere 一代 Tensor Core 中都增添的一种新的计算方式在。点积计算，它构成了行列式行列式和卷积的借助于块，将 FP32 的回传轮化到 TF32，在不损失可靠性的只能计算电子产品，然后将这些电子产品积累到 FP32 输出中都。

TF32 只是作为 Tensor Core 操控方式在公开，而不是一个型式。内存中都的所有存储和其他操控完全沿用在 FP32 中都，只有卷积和行列式行列式在行列式之前将它们的回传转换为 TF32。反之亦然，16位型式提供存储、各种数算符等等。