使用 NGC 集合构建和布防口罩检测应用程序

适用 NGC 实现和布署眼镜样品插件

AI 社会活动流程很复杂。实现一个 AI 插件不是一项简单的任务，因为它须要要各种具有领域专业人士的各种利益方面者来大规模开发和布署插件。样本科学家和开发人员须要要有效率地会见应用于程序实现块，例如基本概念和盖子，它们不仅安全、高性能，而且具有实现其 AI 基本概念所须要的基础指令集。

在实现完插件不久，DevOps 和 IT 管理人员须要要一些工具，这些工具可以努力他们在各种通讯设备之间无缝地布署和管理这些插件，包括本地通讯设备、寒通讯设备或大块通讯设备。

NVIDIA 实现了 NGC 编目，通过包括不易会见的 GPU 优化应用于程序，例如盖子、预先军事训练的基本概念、应用于框架和实现 AI 插件所须要的 Helm 图列于，来标准化和减慢 AI 社会活动流程。

在这一段话中的，我们将展出如何适用 NGC 编目和它的核心最上层功能性，例如集合、NGC 公用注册列于和 AI 实现块来实现和布署一个眼镜样品插件，作为一个示例，该示例展出了 development-to-deployment 管道。

标准化用户旅程

随着 NGC 的问世，NVIDIA 标准化了整个用户体会，并将所须要的方面盖子、基本概念、编译器和 Helm 图列于集中的在一个人口众多，而无须要在编目中的取向和协同各种法理的实现块。

您可以寻找针对特定任务的社会活动负载的 NGC 集合，如定时语音辨别或图像分类，以及大型企业 SDK，例如 NVIDIA Clara 或迁移学习 (TLT)。如果您努力实现一个可用取向样品的插件，那么在编目中的跟踪该集合，您将在一个人口众多寻找所有方面金融机构。

适用 NVIDIA TF32 Tensor Cores 减慢 AI 军事训练

NVIDIA Ampere GPU 指令集扩展了第三代 Tensor Cores，以及重新TensorFloat32 (TF32) 方式减慢 FP32 时域和乘积自然数。TF32 方式是AmpereGPU 指令集上 32 位给定的 AI 军事训练的默认选择。它为的单位DL社会活动负载随之而来了 Tensor Core 减慢，而不须要要对基本概念CGI顺利完成任何更改。

适用本机16 位格式 (FP16/BF16) 的融合精确度军事训练仍然是最快的选择，只须要要基本概念CGI中的的几行编译器。列于1显示了与 FP32 CUDA 核相比，A100Tensor Cores 的微积分发送量。值得提到的是，对于的单位军事训练，A100 包括的微积分发送量比上一代军事训练GPU V100 高 10 倍。

实际上本体

TF32 是 GPU 指令集 Ampere 一代 Tensor Core 中的另加的一种重新近似值方式。点积近似值，它组合而成了乘积自然数和时域的实现块，将 FP32 的可用轮化到 TF32，在不损失精确度的情况下近似值的产品，然后将这些的产品积累到 FP32 输出中的。

TF32 只是作为 Tensor Core 操作者方式未公开，而不是一个多种类型。存储器中的的所有加载和其他操作者完全原有在 FP32 中的，只有时域和乘积自然数在自然数之前将它们的可用转换为 TF32。同样，16位多种类型包括加载、各种数哈密顿等等。