使用 NGC 集合构建和部署口罩检测软件包

可用 NGC 重构和协同作战皮带检验该软件

AI 临时工工序很繁杂。重构一个 AI 该软件不是一项最简单的执行，因为它所只需各种较强领域知识的各种利益相关者来大规模开发和协同作战该软件。信息科学家和开发团队所只需方便地访问期间软件包重构块，例如微积分方法和试管，它们不仅安全及、极高性能，而且较强重构其 AI 微积分方法所只需的基础架构。

在重构完该软件之后，DevOps 和 IT 监管人员所只需一些用以，这些用以可以鼓励他们在各种电子元件彼此之间无缝地协同作战和监管这些该软件，包括本地电子元件、名曰电子元件或底部电子元件。

NVIDIA 重构了 NGC 书目，通过备有较难访问期间的 GPU 优化软件包，例如试管、预先操练的微积分方法、应用框架和重构 AI 该软件所只需的 Helm 图解，来细化和减速 AI 临时工工序。

在这篇文章里面，我们将展现如何可用 NGC 书目和它的核心表层特性，例如给定、NGC 私人注册表和 AI 重构块来重构和协同作战一个皮带检验该软件，作为一个比如说，该比如说展现了 development-to-deployment 输油管。

细化Gmail旅程

随着 NGC 的推出，NVIDIA 细化了整个Gmail体验，并将所只需的相关试管、微积分方法、预定义和 Helm 图解集里面在一个大都，而无只需在书目里面聚焦和协调各种独立的重构块。

您可以看到针对特定执行的临时工负载的 NGC 给定，如定时语音识别或图象分类，以及行业 SDK，例如 NVIDIA Clara 或迁移努力学习 (TLT)。如果您借此重构一个用于具体来说检验的该软件，那么在书目里面搜索该给定，您将在一个大都看到所有相关资产。

可用 NVIDIA TF32 Tensor Cores 减速 AI 操练

NVIDIA Ampere GPU 架构引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) 方式上减速 FP32 卷积和标量乘积。TF32 方式上是AmpereGPU 架构上 32 位函数的 AI 操练的默认选项。它为-bitDL临时工负载带给了 Tensor Core 减速，而不所只需对微积分方法制作者开展任何修改。

可用MA16 位格式 (FP16/BF16) 的混合精确度操练始终是破纪录的选择，只所只需微积分方法制作者里面的几行预定义。表1标示出了与 FP32 CUDA 核相比之下，A100Tensor Cores 的微积分集装箱。世人指出的是，对于-bit操练，A100 备有的微积分集装箱比上代人操练GPU V100 极高 10 倍。

之外构造

TF32 是 GPU 架构 Ampere 代人 Tensor Core 里面新增的一种新的计数方式上。点积计数，它构成了标量乘积和卷积的重构块，将 FP32 的重定向轮化到 TF32，在不重大损失精确度的情况下计数产品线，然后将这些产品线积累到 FP32 反向里面。

TF32 只是作为 Tensor Core 操纵方式上未公开，而不是一个类型。内存里面的所有读取和其他操纵完全保留在 FP32 里面，只有卷积和标量乘积在乘积在此之后将它们的重定向叠加为 TF32。相反，16位类型备有读取、各种数算符等等。