使用 NGC 集合紧密结合和部署口罩检测应用程序

运主要用途 NGC 构筑和布署眼罩检查客户端

AI 工作程序很简单。构筑一个 AI 客户端不是一项比较简单的使命，因为它必均需各种带有信息技术经验的各种既得利益具体者来大规模开发和布署客户端。近据生物学家和开发者必均需便捷地访问加载系统构筑块，例如假设和装入，它们不仅必要、新一代，而且带有构筑其 AI 假设所均需的基础Core。

在构筑完客户端后来，DevOps 和 IT 管理人员必均需一些工具，这些工具可以帮助他们在各种仪器错综简单无缝地布署和管理这些客户端，包括本地仪器、云仪器或边缘仪器。

NVIDIA 构筑了 NGC 录入，通过提供易于访问的 GPU 改进加载系统，例如装入、预先操练的假设、分析方法框架和构筑 AI 客户端所均需的 Helm 图表，来一般化和较快 AI 工作程序。

在这篇文章中的，我们将展现如何运主要用途 NGC 录入和它的核分裂心表层特性，例如闭包、NGC 私有财产注册表和 AI 构筑块来构筑和布署一个眼罩检查客户端，作为一个示例，该示例展现了 development-to-deployment 管道。

一般化软件旅程

随着 NGC 的推出，NVIDIA 一般化了整个软件趣味，并将所均需的具体装入、假设、预定义和 Helm 图表比较大的在一个之外，而无均需在录入中的定位和协调各种独立的构筑块。

您可以找到针对特定使命的工作增益的 NGC 闭包，如定时字词识别或位图分类法，以及金融业 SDK，例如 NVIDIA Clara 或移至研修 (TLT)。如果您希望构筑一个主要用途对象检查的客户端，那么在录入中的查看该闭包，您将在一个之外找到所有具体资产。

运主要用途 NVIDIA TF32 Tensor Cores 较快 AI 操练

NVIDIA Ampere GPU Core引入了第三代 Tensor Cores，以及新的TensorFloat32 (TF32) 的系统较快 FP32 卷积和特征值行列式。TF32 的系统是AmpereGPU Core上 32 位给定的 AI 操练的默认选项。它为单可靠性DL工作增益带给了 Tensor Core 较快，而不必均需对假设脚本进行任何更改。

运主要用途本机16 位播放器 (FP16/BF16) 的混合可靠性操练仍然是更快的考虑，只必均需假设脚本中的的几行预定义。表1显示了与 FP32 CUDA 核分裂相比较，A100Tensor Cores 的近学客运量。世人认为的是，对于单可靠性操练，A100 提供的近学客运量比上世代操练GPU V100 较低 10 倍。

结构上结构上

TF32 是 GPU Core Ampere 世代 Tensor Core 中的新增的一种新的近似值的系统。点积近似值，它构成了特征值行列式和卷积的构筑块，将 FP32 的输出轮化到 TF32，在不受损失可靠性的情况下近似值产品，然后将这些产品积累到 FP32 输出中的。

TF32 只是作为 Tensor Core 加载的系统公开，而不是一个类型。存储器中的的所有传输和其他加载只不过保存在 FP32 中的，只有卷积和特征值行列式在行列式后来将它们的输出反转为 TF32。相反，16位类型提供传输、各种近算符等等。