تلاش انویدیا برای کاهش زمان عرضه محصولات هوش مصنوعی به بازار با TLT 3.0

۱۳NVIDIA به تازگی اعلام کرده است که چندین مدل آماده و پیش آموزش دیده و پیش نمایش توسعه دهنده TLT ۳.۰ را به منظور کمک به برنامه‌نویسان منتشر کرده است. این اقدامات باعث می‌شود تا فاصله بین آموزش مدل و استقرار آن و در نتیجه عرضه محصولات هوش مصنوعی کاهش یابد.

NVIDIA در یک پست وبلاگی اظهار کرده است که این نسخه، شامل مجموعه‌ای از مدل‌های جدید و از پیش آموزش دیده است که دارای ویژگی‌های ابتکاری است. این نسخه می‌تواند از برنامه‌های هوش مصنوعی مکالمه‌ای و جعبه ابزار آموزش انتقال (TLT) ۳.۰ به همراه DeepStream SDK ۵.۱ پشتیبانی کند. NVIDIA ادعا می‌کند که این نسخه‌ها به عنوان یک راه حل قدرتمند برای کمک به یک توسعه دهنده عمل می‌کنند.

در دنیای امروز هوش مصنوعی به یک جریان اصلی تبدیل شده است و بسیاری از جنبه‌های زندگی ما را تحت تاثیر قرار داده است؛ از بینایی هوشمند، سرویس‌های مبتنی بر گفتار و تجزیه و تحلیل ویدیویی مبتنی بر هوش مصنوعی گرفته تا کیوسک‌های هوشمند، چت بات‌ها و شهرهای هوشمند.

جعبه ابزار یادگیری انتقال (TLT) شرکت NVIDIA یک جعبه ابزار مجهز به هوش مصنوعی است که باعث کاهش پیچیدگی‌های این حوزه می‌شود. این مساله توسعه دهندگان را قادر می‌سازد تا بدون هیچ گونه کدگذاری مدل‌های از پیش آموزش دیده و با کیفیت را بسازد.

توسعه دهندگان همچنین می‌توانند از یکی از ۱۰۰+ جایگشت‌های معماری شبکه عصبی مانند ResNet، VGG، FasterRCNN، RetinaNet و YOLOv3 / v۴ استفاده کنند.

جعبه ابزار TLT ۳.۰ شامل مدل‌های جدید از قبل آموزش دیده محصولات هوش مصنوعی مانند تشخیص و شناسایی پلاک، نظارت بر ضربان قلب، تشخیص حرکت، تخمین زاویه نگاه، تشخیص احساسات، تشخیص چهره و برآورد نشانه‌های صورت خواهد بود. همچنین از برخی موارد استفاده از هوش مصنوعی مکالمه‌ای مانند تشخیص خودکار گفتار و پردازش زبان طبیعی پشتیبانی می‌کند.

با این ابزار شما قادر به انتخاب نوع آموزش با معماری‌های معروف شبکه مانند EfficNet، YoloV4، و UNET و یک مدل PeopleNet بهبود یافته خواهید بود. این مدل برای تشخیص سناریوهای چالش برانگیزی همچون نشستن افراد و چرخش و تاب دادن اشیا به کار می‌آید. این جعبه ابزار همچنین از GPU‌های NVIDIA Ampere با هسته‌های تنسور نسل سوم برای تقویت عملکرد پشتیبانی می‌کند.

برای شروع، توسعه دهندگان باید جعبه ابزار آموزش انتقال و مدل‌های از قبل آموزش دیده را دانلود کنند. همچنین می‌توانند جدیدترین نوشته‌های توسعه دهندگان را بخوانند تا با نحوه کار استفاده از TLT برای تهیه مدل‌های پیشرفته آشنا شوند.