英偉達(dá)又一次站上人工智能的風(fēng)口

與此同時(shí)，英偉達(dá)還致力于軟件的布局，如遷移學(xué)習(xí)，這是他們近年來(lái)關(guān)注的焦點(diǎn)。根據(jù)英偉達(dá)，的說(shuō)法，這項(xiàng)技術(shù)只是解決當(dāng)前人工智能“痛點(diǎn)”的一種方法。

從相關(guān)報(bào)道可以看出，人工智能已經(jīng)走向各行各業(yè)。同時(shí)，我們也意識(shí)到從零開始開發(fā)一個(gè)AI應(yīng)用需要經(jīng)過(guò)訓(xùn)練的過(guò)程才能得到一個(gè)模型和推理。但是，因?yàn)楝F(xiàn)在的應(yīng)用很多，如果所有的開發(fā)者和初創(chuàng)企業(yè)都需要從頭創(chuàng)建一個(gè)模型，不僅費(fèi)時(shí)費(fèi)力，而且成本高昂。這給了“遷移學(xué)習(xí)”一個(gè)機(jī)會(huì)。

遷移學(xué)習(xí)是指將已在相關(guān)任務(wù)中訓(xùn)練過(guò)的模型的一部分復(fù)用到新模型中，從而大大減少對(duì)大量計(jì)算資源的需求。具體來(lái)說(shuō)，我們可以從現(xiàn)有的神經(jīng)網(wǎng)絡(luò)中提取學(xué)習(xí)到的特征，并通過(guò)從現(xiàn)有的神經(jīng)網(wǎng)絡(luò)中轉(zhuǎn)移權(quán)重來(lái)轉(zhuǎn)移這些學(xué)習(xí)到的特征，英偉達(dá)轉(zhuǎn)移學(xué)習(xí)工具包(TLT)就是其中的代表。

英偉達(dá)再次站在人工智能的尖端

據(jù)介紹，英偉達(dá)遷移學(xué)習(xí)工具包(一個(gè)基于Python的工具包)提供了大量預(yù)先訓(xùn)練好的模型和一系列工具，使流行的網(wǎng)絡(luò)架構(gòu)適應(yīng)開發(fā)者自己的數(shù)據(jù)，可以訓(xùn)練、調(diào)整、裁剪和導(dǎo)出模型進(jìn)行部署。

2018年第一代工具包發(fā)布的時(shí)候，英偉達(dá)也說(shuō)這個(gè)程序有很多預(yù)先訓(xùn)練和優(yōu)化的特定領(lǐng)域DNN，打包是提前的；有計(jì)算機(jī)視覺(jué)中物體分類和檢測(cè)的應(yīng)用實(shí)例；在異構(gòu)多圖形處理器環(huán)境中，很容易進(jìn)行模型自適應(yīng)和再訓(xùn)練。您可以輕松修改配置文件，添加新的類別和功能，并壓縮模型大小。ModelExportAPI可以在英偉達(dá)deepstreamsdk  3.0上輕松部署模型，用于智能視頻分析(IVA)應(yīng)用；ModelExportAPI可以將模型部署到Clara平臺(tái)進(jìn)行醫(yī)學(xué)影像相關(guān)應(yīng)用。

自第一代產(chǎn)品發(fā)布以來(lái)，英偉達(dá)TLT一直受到開發(fā)商的熱烈歡迎。該公司進(jìn)行了持續(xù)的投資，最近推出了一些預(yù)培訓(xùn)模型和可直接用于生產(chǎn)的TransferLearningToolkit(TLT)3.0開發(fā)人員測(cè)試版，以及DeepStreamSDK5.1。據(jù)報(bào)道，該版本包括一系列新的預(yù)培訓(xùn)模型。這些模型具有支持會(huì)話式AI應(yīng)用的創(chuàng)新功能，可以提供更強(qiáng)大的解決方案，加速開發(fā)人員從培訓(xùn)到部署的全過(guò)程。

英偉達(dá)表示，預(yù)培訓(xùn)模式和TLT3.0(開發(fā)人員測(cè)試版)包括以下主要亮點(diǎn)：

1.新的視覺(jué)AI預(yù)訓(xùn)練模型：車牌檢測(cè)識(shí)別、心率監(jiān)測(cè)、手勢(shì)識(shí)別、視線估計(jì)、情感識(shí)別、人臉檢測(cè)、面部特征點(diǎn)估計(jì)；

2.通過(guò)自動(dòng)語(yǔ)音識(shí)別(ASR)和自然語(yǔ)言處理(NLP)的預(yù)訓(xùn)練模型支持對(duì)話式人工智能用例

3.選擇流行的網(wǎng)絡(luò)架構(gòu)進(jìn)行培訓(xùn)，如高效網(wǎng)、YoloV4、UNET；

4;改進(jìn)的PeopleNet模型可以檢測(cè)困難的場(chǎng)景，例如坐著的人和旋轉(zhuǎn)/扭曲的物體

5;用于驅(qū)動(dòng)兼容容器初始化的TLT啟動(dòng)器

6;使用第三代tensor內(nèi)核支持NVIDIAAmpereGPU，以提高性能

“有了TLT，您可以使用自己的數(shù)據(jù)，通過(guò)英偉達(dá)為常見人工智能任務(wù)開發(fā)的多用途生產(chǎn)級(jí)模型，或者結(jié)合ResNet、VGG、FasterRCNN、RetinaNet和YOLOv3/v4等100多種神經(jīng)網(wǎng)絡(luò)架構(gòu)，對(duì)特定用例的模型進(jìn)行微調(diào)。所有型號(hào)均可從NGC購(gòu)買。”英偉達(dá)強(qiáng)調(diào)。

人工智能行業(yè)專家吳恩達(dá)，教授在NIPS2016講座上說(shuō)：“在監(jiān)督學(xué)習(xí)之后，遷移學(xué)習(xí)將引領(lǐng)下一波機(jī)器學(xué)習(xí)技術(shù)的商業(yè)化。”由此可見，英偉達(dá)又一次走上了AI的風(fēng)口浪尖。