用到 NGC 集合构建和部署口罩检测应用程序

可用 NGC 构筑和地面部队口罩验证用户界面

AI 管理工作流程很复杂。构筑一个 AI 用户界面不是一项简单的护航，因为它必必需各种具备领域专业知识的各种权益之外者来大规模合作开发和地面部队用户界面。资料研究者和合作微软必必需方便地出访该软件构筑块，例如框架和盖子，它们不仅安全及、较高性能，而且具备构筑其 AI 框架所必需的应用软件。

在构筑完用户界面之后，DevOps 和 IT 经营管理方面必必需一些工具，这些工具可以努力他们在各种的设备两者之间无缝地地面部队和经营管理这些用户界面，还包括本地的设备、云的设备或边缘的设备。

NVIDIA 构筑了 NGC 附录，通过提供易于出访的 GPU 改进该软件，例如盖子、预先军事训练的框架、应用框架和构筑 AI 用户界面所必需的 Helm 图注记，来一般化和减缓 AI 管理工作流程。

在这文中中的，我们将演示如何可用 NGC 附录和它的两大底层特性，例如可数、NGC 可用权Finder和 AI 构筑块来构筑和地面部队一个口罩验证用户界面，作为一个举例来说，该举例来说演示了 development-to-deployment 水管。

一般化用户旅程

随着 NGC 的推出，NVIDIA 一般化了整个用户体验，并将所必需的之外盖子、框架、编译器和 Helm 图注记集中的在一个人口众多，而无必需在附录中的导向和协调各种独立的构筑块。

您可以找寻针对特定护航的管理工作负载的 NGC 可数，如自动语音识别或图像分类，以及行业 SDK，例如 NVIDIA Clara 或迁离学习 (TLT)。如果您希望构筑一个运用于对象验证的用户界面，那么在附录中的抓取该可数，您将在一个人口众多找寻所有之外资产。

可用 NVIDIA TF32 Tensor Cores 减缓 AI 军事训练

NVIDIA Ampere GPU 核心导入了第三代 Tensor Cores，以及原先TensorFloat32 (TF32) 方式在减缓 FP32 正弦和线性自然数。TF32 方式在是AmpereGPU 核心上 32 位变量的 AI 军事训练的可选可选。它为单准确度DL管理工作负载带来了 Tensor Core 减缓，而不必必需对框架CGI顺利进行任何更改。

可用机16 位格式 (FP16/BF16) 的混合准确度军事训练仍然是创纪录的为了让，只必必需框架CGI中的的几行编译器。注记1结果显示了与 FP32 CUDA 核分裂远比，A100Tensor Cores 的数学分析运输量。值得指出的是，对于单准确度军事训练，A100 提供的数学分析运输量比上世代军事训练GPU V100 较高 10 倍。

内部接合

TF32 是 GPU 核心 Ampere 世代 Tensor Core 中的新增的一种原先近似值方式在。点积近似值，它构成了线性自然数和正弦的构筑块，将 FP32 的读写轮化到 TF32，在不损失准确度的只能近似值系列产品，然后将这些系列产品积累到 FP32 负载中的。

TF32 只是作为 Tensor Core 系统设计方式在公开，而不是一个各种类型。缓存中的的所有传输和其他系统设计完全保留在 FP32 中的，只有正弦和线性自然数在自然数之前将它们的读写转化为 TF32。相反，16位各种类型提供传输、各种数算符等等。