NVIDIA Transfer Learning Toolkit

Видеокарта NVIDIA перевода обучающегося инструментарий идеально подходит для глубокого обучения разработчиков приложений и данных ученых, стремящихся быстрее и эффективнее глубокого изучения организации работы на различных отраслевых вертикалей, таких как интеллектуальная видеоаналитика (IVA) и медицинской визуализации. Передача обучения инструментарий рефератов и ускоряет глубокого обучения обучение, позволяющее разработчикам точно настраивать NVIDIA, обеспечило предварительно обученные модели, которые являются доменными, вместо того, чтобы проходить трудоемкий процесс построения глубоких нейронных сетей (Dnn) с нуля. Предварительно обученные модели ускоряют процесс глубокого обучения разработчика и исключают более высокие затраты, связанные с крупномасштабным сбором данных, маркировкой и обучением моделей с нуля.

Термин "передача обучения" означает, что вы можете извлечь изученные функции из существующей нейронной сети и передать эти изученные функции путем передачи весов из существующей нейронной сети. Transfer Learning Toolkit-это набор инструментов на основе Python, который позволяет разработчикам использовать преимущества предварительно обученных моделей NVIDIA и предлагает технические возможности для разработчиков добавлять свои собственные данные, чтобы сделать нейронные сети умнее путем переподготовки и позволяя им адаптироваться к новым изменениям в сети.Возможность просто добавлять, обрезать и переобучать сети повышает эффективность и точность для глубокого обучения учебного процесса.

ключевые возможности

• Предварительно упакованный с оптимизированными предварительно обученными доменными специфическими Dnn
• Примеры приложений, обслуживающих компьютерное зрение, связанные с классификацией объектов, случаи использования обнаружения
• Простая в использовании адаптация и переподготовка моделей в гетерогенных средах с несколькими GPU
• Легко изменять файлы конфигурации для добавления новых классов и компонентов для сжатия размера модели
• Модель экспорта API для развертывания на базе NVIDIA DeepStream СДК 3.0 для Ива приложений
• Модель экспорта API для развертывания на базе NVIDIA Клара платформы для медицинской визуализации приложений

Включение завершения процесса глубокого обучения для Intelligent Video Analytics

Для разработчиков, проектирование и интеграция интеллектуального видеоанализа (IVA) в конце приложения, такие как парковка управления, защита критической инфраструктуры, аналитики розничной торговли, организация управление и контроля доступа, и т. д., NVIDIA обеспечивает конца в конец глубокого изучения рабочего процесса с переходом обучения инструментарий для ускорения глубокое обучение и развертывание с DeepStream СДК 3.0на Tesla GPU. Модели полностью обучены для специфических справочных случаев использования IVA, таких как обнаружение и классификация. Вот список предварительно обученных моделей для классификации изображений и обнаружения объектов, которые поставляются с Transfer Learning Toolkit для IVA

Чтобы узнать больше о передаче знаний инструментарий для Ива, с использованием предварительно подготовленных моделей, предлагаемых по НДС и примеры проверить наши последние блог о том, как ускорить интеллектуальное видеоаналитики приложений с передачей обучения инструментарий и DeepStream SDK для вывода.

Завершение процесса глубокого обучения для медицинской визуализации

Transfer Learning Toolkit for Medical Imaging предоставляет предварительно обученные модели, уникальные для medical imaging, а также дополнительные возможности, такие как интеграция с Ai-assisted Annotation SDK для ускорения аннотации медицинских изображений, позволяя разработчикам иметь доступ к маркировке с помощью AI. В 3-Д опухоль мозга сегментация модели разработанное NVIDIA исследователи заняли первое место по Мультимодальной сегментации опухоли мозга Challenge 2018. BraTS фокусируется на оценке современных методов сегментации опухолей головного мозга при мультимодальном МРТ-сканировании. BraTS 2018 использует мультиинституциональное предоперационное МРТ-сканирование и фокусируется на сегментации внутренних гетерогенных (по внешнему виду, форме и гистологии) опухолей головного мозга.Nvidia Transfer Learning Toolkit for medical imaging поставляется с этой отмеченной наградами моделью сегментации опухолей головного мозга, разработанной NVIDIA researchers наряду с дополнительными предварительно обученными моделями для сегментации печени и поражения, сегментации селезенки и т. д. Компания Nvidia начала и до конца глубокое изучение рабочих процессов для медицинской визуализации позволяет разработчикам использовать перевод обучения инструментарий для ускорения глубокое обучение и развертывание с Клара платформы.

Источник: developer.nvidia.com

Комментарии: