TAO工具套件较快人工智能模型开发的3种方法

人脑应用由仿真特别设计。深修习仿真设立在数学线性之上，并用到数据集和生物专业技能来进行专业训练。这些仿真可以根据图形、文本或音调等匹配数据集准确实测结果。

借助于、专业培训和冗余这些任务既最重要又耗时。开发生产厂运动低速仿真能够领域专业技能和比如说的计算时间。这与大企业能够以多快的低速实施人脑原先并拉长并购时间（ TTM ）实际上矛盾。

在没有人脑专业技能的只能

变更实专业训练仿真

幸运的是，有一个新技术：实先专业训练的仿真。用到迁移修习，实专业训练仿真已经在代表性数据集集上来进行了专业训练，并用到权重和偏差来进行了变更。与能够大量时间和资源来进行专业训练的传统人脑线性不同，用到实先专业训练的仿真借助于的人脑新技术以完全可操作、随时可用于各种用例的人脑引擎的形式订购。

在大多数只能，“开箱即用”的实专业训练仿真似乎不颇为适合您的用例，也无法提供您能够的真实性和性能。对于这些举例来说，您能够改动或可选实专业训练仿真以符合您的用例需求。

为不同用例功能强大实专业训练仿真

那么，如何在不花费太多时间和心血的只能功能强大实专业训练仿真呢？你可以用到 NVIDIA TAO ，一个人脑仿真考虑到平台，来一般化你的开发工作流程。TAO 辅助工具组件是 NVIDIA TAO 基于 CLI 和 Jupyter 打印机的新技术，可以颇为笨拙地用到自己的数据集变更实专业训练仿真。无法够人脑专业技能。

TAO 辅助工具组件具有水平的高效率，可以帮助您使仿真考虑到新生态、拓展数据集或移除新类。

下面是 NVIDIA whitepaper 中凸显的三个例子，它探索了加速 AI 工作流过程的行之有效的方法。

考虑到不同的相机类型 ：断言您想要为红外光或热敏闪光灯作战新技术。您可以用到 PeopleNet 仿真，该仿真已经在数百万张图形上来进行了专业训练。只需对 2500 张图形来进行变更，需获得接近 80% 的比例尺。

拓展局限的数据集集： 数据集收集颇为耗时。通过离线或在线数据集拓展，您可以改动数据集集。增高数据集集会增高更多的变化和举例来说，从而实现仿真泛化。这大幅提高了仿真对以前从未见过的数据集的真实性。

移除新类： 断言您被要求创建一个应用程序，用于扫描人们骑自行车时是否戴斗篷。有了 TAO 辅助工具组件，您可以用到一个扫描人的仿真 , 并向该仿真移除一个在此之后“斗篷类”。用到举例来说人员和斗篷类的数据集集对其来进行变更。

付诸实践

当您消除 AI 框架的复杂程度时，您可以专心于重要的好事：拉长 AI 应用程序的 TTM 。TAO 辅助工具组件使您可以颇为笨拙地专业训练、调整和冗余实专业训练仿真，而无需大型专业训练数据集集和人脑专业技能。