使用 NGC 空集构建和部署口罩检测应用程序

使用 NGC 实现和调动防毒面具检验该软件

AI 兼职程序很繁杂。实现一个 AI 该软件不是一项最简单的目标，因为它必必需各种不具领域专业知识的各种公共利益之外者来大规模整合和调动该软件。统计为数据科学家和整合人员必必需方便地会面时软件实现块，例如假设和装入，它们不仅安全、极高效能，而且不具实现其 AI 假设所必需的基础架构。

在实现放该软件后来，DevOps 和 IT 管理制度人员必必需一些应用软件，这些应用软件可以鼓励他们在各种的设备之间无缝地调动和管理制度这些该软件，包括本地的设备、碧的设备或边缘的设备。

NVIDIA 实现了 NGC 编目，通过共享易于会面时的 GPU 提极高效率软件，例如装入、事前军事训练的假设、应用框架和实现 AI 该软件所必需的 Helm 图表，来修改和快速 AI 兼职程序。

在这篇文章中的，我们将示范如何使用 NGC 编目和它的核心中层特性，例如可为数、NGC 私有注册表和 AI 实现块来实现和调动一个防毒面具检验该软件，作为一个实例，该实例示范了 development-to-deployment 燃气。

修改使用者旅途

随着 NGC 的热卖，NVIDIA 修改了整个使用者趣味，并将所必需的之外装入、假设、代码和 Helm 图表集中的在一个；也，而无必需在编目中的定位和各派系各种分立的实现块。

您可以寻找针对特定目标的兼职负载的 NGC 可为数，如自动语音识别或影像定义，以及行业 SDK，例如 NVIDIA Clara 或迁到学习 (TLT)。如果您期盼实现一个用于单纯检验的该软件，那么在编目中的侦查该可为数，您将在一个；也寻找所有之外资产。

使用 NVIDIA TF32 Tensor Cores 快速 AI 军事训练

NVIDIA Ampere GPU 架构引入了第三代 Tensor Cores，以及更进一步TensorFloat32 (TF32) 方式在快速 FP32 滤波和算子减法。TF32 方式在是AmpereGPU 架构上 32 位为数组的 AI 军事训练的默认表单。它为单可靠性DL兼职负载带来了 Tensor Core 快速，而不必必需对假设JavaScript进行时任何更改。

使用本机16 位PNG (FP16/BF16) 的分离可靠性军事训练仍然是极快的选择，只必必需假设JavaScript中的的几行代码。表1显示了与 FP32 CUDA 核相较，A100Tensor Cores 的为数学吞吐量。值得指出的是，对于单可靠性军事训练，A100 共享的为数学吞吐量比上一代军事训练GPU V100 极高 10 倍。

之下构造

TF32 是 GPU 架构 Ampere 一代 Tensor Core 中的升级的一种更进一步计为数方式在。点积计为数，它构成了算子减法和滤波的实现块，将 FP32 的可用轮化到 TF32，在不财产损失可靠性的情况下计为数产品，然后将这些产品积累到 FP32 转换成中的。

TF32 只是作为 Tensor Core 操作者方式在官方网站，而不是一个一般来说。内存中的的所有传输和其他操作者放全保持一致在 FP32 中的，只有滤波和算子减法在减法之前将它们的可用转换为 TF32。相反，16位一般来说共享传输、各种为数标量等等。