预训练模型和迁移学习工具包3.0助力快速实现生产级AI

NVIDIA近日发布全新预训练模型并宣布迁移学习工具包（TLT）3.0全面公开可用。迁移学习工具包在NVIDIA TAO平台指导工作流程以创建AI的过程中起到核心作用。新版本包括各种高精度和高性能计算机视觉和对话式AI预训练模型，以及一套强大的生产级功能，可将AI开发能力提升10倍。

随着企业竞相推出AI解决方案，企业竞争力将有赖于是否能够获得最佳开发工具。对于许多尝试使用开源AI产品创建模型进行训练的工程和研究团队来说，在生产中部署自定义、高精度、高性能AI模型可能是一段十分艰难的开发历程。NVIDIA提供高质量的预训练模型和TLT以帮助降低大规模数据采集和标注成本，同时告别从头开始训练AI/机器学习模型的负担。初入计算机视觉和语音服务市场的企业现在也可以在不具备大规模AI开发团队的情况下部署生产级AI。

新版本亮点包括：

●   一个支持边缘实时推理的姿态估计模型，其推理性能比OpenPose模型快9倍。

●   PeopleSemSegNet，一个用于人物检测的语义分割网络。

●   各种行业用例中的计算机视觉预训练模型，如车牌检测和识别、心率监测、情绪识别、面部特征点等。

●   CitriNet，一个使用各种专有特定域和开源数据集进行训练的新语音识别模型。

●   一个用于问题回答的新Megatron Uncased模型以及许多其他支持语音文本转换、命名实体识别、标点符号和文本分类的预训练模型。

●   AWS、GCP和Azure上的训练支持

●   在用于视觉AI的NVIDIA Triton™和DeepStream SDK上以及用于对话式AI的Jarvis上的开箱即用部署。

与数据生成和标签工具集成，实现更快、更精确的AI

TLT 3.0现在还与数家领先合作伙伴的平台集成，这些合作伙伴提供大量多样化的高质量标签数据，使端到端AI/机器学习工作流程变得更快。您现在可以使用这些合作伙伴的服务来生成和注释数据、通过与TLT无缝集成进行模型训练和优化并使用DeepStream SDK或Jarvis部署模型以创建可靠的计算机视觉和对话式AI应用。