В апреле прошлого года во время GTC 2021, компания NVIDIA впервые представила фреймворк TAO (Train, Adapt and Optimize) для упрощения обучения модели ИИ на графических процессорах NVIDIA и встроенных платформах NVIDIA Jetson во время GTC 2021.
Компания объявила о выпуске третьей версии TAO Transfer Learning Toolkit (TLT 3.0) вместе с некоторыми новыми предварительно обученными моделями на CVPR 2021 (Конференция 2021 года по компьютерному зрению и распознаванию образов).
Недавно выпущенные предварительно обученные модели применимы к компьютерному зрению и разговорному ИИ, и NVIDIA утверждает, что выпуск предоставляет набор мощных функций повышения производительности, которые ускоряют разработку ИИ до 10 раз.
Основные моменты TAO Transfer Learning Toolkit 3.0
- Различные предварительно обученные модели компьютерного зрения для
- Компьютерное зрение:
- Модель оценки позы тела, которая поддерживает вывод в реальном времени на грани с производительностью вывода в 9 раз быстрее, чем модель OpenPose.
- Распознавание эмоций
- Ориентир лица
- Обнаружение и распознавание номерных знаков
- Оценка пульса
- Распознавание жестов
- Оценка взгляда
- Сегментация людей с помощью PeopleSemSegNet, сети семантической сегментации для обнаружения людей.
- Компьютерное зрение:
- Utomatic распознавание речи (ASR) и обработки естественного языка (NLP) модель с образцами для логического вывода:
- Модель CitriNet Speech to Text, обученная на различных проприетарных наборах данных для конкретных предметных областей и с открытым исходным кодом.
- Распознавание именованных сущностей (NER)
- Вопрос/ответ с использованием новой модели Megatron Uncased
- Пунктуация
- Классификация текста
Если вам интересно, вы можете загрузить последнюю версию Transfer Learning Toolkit 3.0 и получить доступ к ресурсам для разработчиков на веб-сайте разработчиков NVIDIA .
Приведенная выше демонстрация 2D-оценки позы была выполнена с помощью TAO Transfer Learning Toolkit 3.0 на плате Jetson. Если вы хотите воспроизвести демонстрацию самостоятельно, вы можете ознакомиться с инструкциями в блоге разработчиков NVIDIA .
Выражаем свою благодарность источнику из которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.