什么是 NVIDIA TAO 工具套件？

        NVIDIA TAO 工具套件基于 TensorFlow 和 PyTorch 构建，是 NVIDIA TAO 框架的低代码版本，通过抽象出 AI/深度学习框架的复杂性来加速模型训练过程。TAO 工具套件让您利用迁移学习的强大功能和自己的数据对预训练 NVIDIA 模型进行微调，并针对推理进行优化，无需具备 AI 专业知识或大型训练数据集。

        从零开始创建 AI/机器学习模型需要海量的数据和一大批数据科学家。现在，您可以通过迁移学习加快模型开发过程，迁移学习是一种热门技术，可以将现有神经网络模型中已经学到的特征提取到新的自定义模型中。

TAO框架主要优势 

轻松训练模型

        TAO 工具套件是一种低代码解决方案，可让您使用 Jupyter Notebook 训练模型，而无需掌握 AI 框架专业知识。

构建高度准确的 AI

        使用NVIDIA 预训练模型以及模型架构为用例创建高度准确的自定义 AI 模型。

优化推理

        通过优化推理模型，超越定制并实现高达 4 倍的性能。

轻松部署

        通过用于视觉 AI 的 NVIDIA DeepStream、用于语音 AI 的 Riva 以及 Triton 推理服务器™，部署经过优化的模型。

推理性能 

        从使用 NVIDIA Jetsons 的边缘到使用 NVIDIA Ampere 架构 GPU 的云，跨平台使用 NVIDIA 预训练模型释放峰值推理性能。有关批量大小和其他模型的更多详细信息，请查看详细性能数据表。

				Xavier NX	AGX Xavier	AGX Orin	T4	A2	A30	A100
模型架构	推理归结	精度	模型准确率	GPU + 2*DLA(FPS)	GPU + 2*DLA(FPS)	GPU + 2*DLA(FPS)	GPU(FPS)	GPU (FPS)	GPU (FPS)	GPU (FPS)
行人检测	960x544x3	INT8	80% mAP	263	418	1294	1064	581	3160	6245
3D 姿态估计	256x192x3	FP16	8 像素误差	147	235	711	713	471	2242	4179
姿态动作分类	3x300x34x1	FP16	90%	87	150	262	376	211	1122	2145
DashCamNet	960x544x3	INT8	84% mAP	423	670	1895	1676	865	4900	9500
车牌识别	96x48x3	FP16	98% mAP	706	1190	4118	3959	2180	12400	27200
动作识别 2D	224x224x96	FP16	83%	245	471	1577	1897	1044	6000	12600
人员语义分割	960x544x3	FP16	87% mIoU	199	356	673	1027	631	2862	5745

使用案例 

领先使用者