使用 NGC 集合构建和部署口罩检测插件

适用 NGC 协作和布防裤子测定用户界面

AI 临时工系统设计很繁杂。协作一个 AI 用户界面不是一项有趣的基础训练任务，因为它无须各种具领域专业人士的各种利益获取者来大规模开发和布防用户界面。原始仅据生物学家和开发人员无须方便地次访问插件协作块，例如仿真和密封，它们不仅安全性、新一代，而且具协作其 AI 仿真所须的基础架构。

在协作完用户界面之后，DevOps 和 IT 管理人员无须一些用以，这些用以可以帮助他们在各种设备密切关系无缝地布防和管理这些用户界面，最主要本地设备、云设备或向外设备。

NVIDIA 协作了 NGC 书目，通过获取更容易次访问的 GPU 冗余插件，例如密封、预先基础训练的仿真、应用组件和协作 AI 用户界面所须的 Helm 图备注，来比较简单和减缓 AI 临时工系统设计。

在这篇文章之前，我们将展示出如何适用 NGC 书目和它的核心底层特性，例如子集、NGC 私有注册备注和 AI 协作块来协作和布防一个裤子测定用户界面，作为一个示例，该示例展示出了 development-to-deployment 的水。

比较简单Gmail旅程

随着 NGC 的热卖，NVIDIA 比较简单了整个Gmail感官，并将所须的关的密封、仿真、文档和 Helm 图备注集之前在一个偏远地区，而无须在书目之前定位和协调各种分立的协作块。

您可以发现针对特定基础训练任务的临时工过载的 NGC 子集，如自动语音辨识或图备注类群，以及产业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您愿意协作一个用于对象测定的用户界面，那么在书目之前搜索该子集，您将在一个偏远地区发现所有关的存款。

适用 NVIDIA TF32 Tensor Cores 减缓 AI 基础训练

NVIDIA Ampere GPU 架构引入了第三代 Tensor Cores，以及重新TensorFloat32 (TF32) 方式而减缓 FP32 变换和乘法行列式。TF32 方式而是AmpereGPU 架构上 32 位变量的 AI 基础训练的预设可选择。它为浮点DL临时工过载导致了 Tensor Core 减缓，而不无须对仿真分镜来进行任何更换。

适用本机16 位格式 (FP16/BF16) 的混合准确性基础训练仍然是最快的选择，只无须仿真分镜之前的几行文档。备注1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的自然科学集装箱。值得指出的是，对于浮点基础训练，A100 获取的自然科学集装箱比上一代基础训练GPU V100 高 10 倍。

内部在结构上

TF32 是 GPU 架构 Ampere 一代 Tensor Core 之前附加的一种重新计算方式而。点积计算，它构成了乘法行列式和变换的协作块，将 FP32 的重定向轮化到 TF32，在不损失惨重准确性的情况下计算厂商，然后将这些厂商积累到 FP32 输出之前。

TF32 只是作为 Tensor Core 配置方式而公开，而不是一个一般来说。线程之前的所有存储和其他配置完全保留在 FP32 之前，只有变换和乘法行列式在行列式之前将它们的重定向转换为 TF32。相反，16位一般来说获取存储、各种仅算符等等。