建立一個先進(jìn)的深度學(xué)習(xí)模型是一個復(fù)雜而耗時的過程。為此，為模型收集的大型數(shù)據(jù)集必須具有高質(zhì)量。一旦收集到數(shù)據(jù)，就必須對其進(jìn)行準(zhǔn)備、訓(xùn)練，并在多次迭代中進(jìn)行優(yōu)化。對于許多希望更快地將其人工智能應(yīng)用程序推向市場，同時降低運(yùn)營成本的企業(yè)來說，這并不總是一個選擇。

NVIDIA 開發(fā) TAO 是為了應(yīng)對這些挑戰(zhàn) NVIDIA 訓(xùn)練、調(diào)整和優(yōu)化（ TAO ） 是一個人工智能模型調(diào)整平臺，它簡化并加速了企業(yè)人工智能應(yīng)用程序的創(chuàng)建。通過使用基于用戶界面的向?qū)焦ぷ髁?，使用自定義數(shù)據(jù)對 NVIDIA 專家創(chuàng)建的最先進(jìn)的預(yù)訓(xùn)練模型進(jìn)行微調(diào)，您可以在數(shù)小時而不是數(shù)月內(nèi)生成高度精確的計算機(jī)視覺、語音和語言理解模型，從而無需大量的訓(xùn)練運(yùn)行和深厚的人工智能專業(yè)知識。

作為一個受管理和引導(dǎo)的工作流， TAO 通過統(tǒng)一現(xiàn)有的 NVIDIA 關(guān)鍵技術(shù)，如 NGC 目錄 、 遷移學(xué)習(xí)工具包 （ TLT ）、 與 NVIDIA Clara 聯(lián)合學(xué)習(xí) 和 TensorRT 的預(yù)先訓(xùn)練模型，降低了構(gòu)建人工智能的障礙。

早期訪問計劃的注冊現(xiàn)已開放。今年晚些時候，我們將開始接受申請者加入該計劃，這將為您提供一個與 NVIDIA 產(chǎn)品團(tuán)隊合作的獨(dú)家機(jī)會，幫助塑造 TAO 。

關(guān)于作者

Akhil Docca 是 NVIDIA NGC 的高級產(chǎn)品營銷經(jīng)理，專注于 HPC 和 DL 容器。 Akhil 擁有加州大學(xué)洛杉磯分校安德森商學(xué)院工商管理碩士學(xué)位，圣何塞州立大學(xué)機(jī)械工程學(xué)士學(xué)位。

審核編輯：郭婷