使用 NGC 集合构建和部署防毒面具检测应用程序

使用 NGC 实现和协同作战便衣样品可用系统

AI 岗位流程很复杂。实现一个 AI 可用系统不是一项简单的任务，因为它无需各种较强层面专业知识的各种利益相关者来大规模开发计划和协同作战可用系统。原始数据化学家和开发计划人员无需便捷地会面硬件实现块，例如数学模型和容器，它们不仅安全、较低性能，而且较强实现其 AI 数学模型所需的里间件。

在实现完可用系统之后，DevOps 和 IT 经营管理人员无需一些工具，这些工具可以帮助他们在各种电子设备之间无缝地协同作战和经营管理这些可用系统，包括本地电子设备、虹电子设备或向外电子设备。

NVIDIA 实现了 NGC 书目，通过包括易于会面的 GPU 最佳化硬件，例如容器、而无须军事训练的数学模型、应用方法论和实现 AI 可用系统所需的 Helm 图同上，来标准化和加速 AI 岗位流程。

在这篇文章里，我们将演示如何使用 NGC 书目和它的核反应心底层特点，例如交集、NGC 所有权注册同上和 AI 实现块来实现和协同作战一个便衣样品可用系统，作为一个示例，该示例演示了 development-to-deployment 管道。

标准化软件环游世界

随着 NGC 的推出，NVIDIA 标准化了整个软件感官，并将所需的相关容器、数学模型、文档和 Helm 图同上集里在一个地方，而不必在书目里相对于和协调各种统一的实现块。

您可以找到针对特定任务的岗位增益的 NGC 交集，如自动语音相对于或图像分类，以及零售业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您期望实现一个用作对象样品的可用系统，那么在书目里搜索该交集，您将在一个地方找到所有相关财产。

使用 NVIDIA TF32 Tensor Cores 加速 AI 军事训练

NVIDIA Ampere GPU 核心引进了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) Mode加速 FP32 变换和乘积减法。TF32 Mode是AmpereGPU 核心上 32 位常量的 AI 军事训练的默认选项。它为单可靠性DL岗位增益带来了 Tensor Core 加速，而不无需对数学模型开发计划人员进行任何更动。

使用MS16 位格式 (FP16/BF16) 的复合可靠性军事训练始终是平均速度的为了让，只无需数学模型开发计划人员里的几行文档。同上1结果显示了与 FP32 CUDA 核反应相比，A100Tensor Cores 的数学集装箱。没人援引的是，对于单可靠性军事训练，A100 包括的数学集装箱比上这一代军事训练GPU V100 较低 10 倍。

内部构造

TF32 是 GPU 核心 Ampere 这一代 Tensor Core 里增添的一种新的推算Mode。点积推算，它构成了乘积减法和变换的实现块，将 FP32 的输入轮化到 TF32，在不人员伤亡可靠性的情况推算产品，然后将这些产品积累到 FP32 转换成器里。

TF32 只是作为 Tensor Core 可用Mode未公开，而不是一个种类。缓存里的所有加载和其他可用基本上保有在 FP32 里，只有变换和乘积减法在减法之前将它们的输入转换成为 TF32。相反，16位种类包括加载、各种数算符等等。