人工智能工作流 – NVIDIA 技術博客 http://www.open-lab.net/zh-cn/blog 閱讀開發者創建的最新技術信息、頭條新聞 和內容。 Tue, 27 Feb 2024 23:06:56 +0000 zh-CN hourly 1 196178272 使用現已推出 Beta 版的 NVIDIA AI Workbench 來創建、共享和擴展企業 AI 工作流程 http://www.open-lab.net/zh-cn/blog/create-share-and-scale-enterprise-ai-workflows-with-nvidia-ai-workbench-now-in-beta/ Tue, 30 Jan 2024 03:49:20 +0000 http://www.open-lab.net/zh-cn/blog/?p=8855 Continued]]> NVIDIA AI Workbench 現已進入測試階段，帶來了豐富的新功能，可簡化企業開發者創建、使用和共享 AI 和機器學習 (ML) 項目的方式。在 SIGGRAPH 2023 上發布的 NVIDIA AI Workbench，使開發者能夠在支持 GPU 的環境中輕松創建、協作和遷移 AI 工作負載。欲了解更多信息，請參閱借助 NVIDIA AI Workbench 無縫開發和部署可擴展的生成式 AI 模型。 本文介紹了 NVIDIA AI Workbench 如何幫助簡化 AI 工作流程，并詳細介紹了測試版的新功能。本文還介紹了編碼副駕駛參考示例，該示例使您能夠使用 AI Workbench 在所選平臺上創建、測試和自定義預訓練的生成式 AI 模型。 借助 AI Workbench，開發者和數據科學家可以在 PC 或工作站上靈活地在本地啟動 AI 或 ML 項目，

Source

]]> 8855 借助 NVIDIA TAO 為數萬億臺設備開發和優化視覺 AI 模型 http://www.open-lab.net/zh-cn/blog/develop-and-optimize-vision-ai-models-for-trillions-of-devices-with-nvidia-tao/ Wed, 06 Dec 2023 05:18:42 +0000 http://www.open-lab.net/zh-cn/blog/?p=8409 Continued]]> 全球的開發者正在利用 NVIDIA TAO 工具套件 構建 AI 驅動的視覺感知和計算機視覺應用程序。現在，得益于該平臺的顯著增強和強大的生態系統支持，這一過程變得比以往更快、更簡單。 NVIDIA TAO 工具套件 支持超過 10 種計算機視覺和視覺 AI 模型，包括圖像分類、物體檢測、三種類型的分割、光學字符識別 (OCR)、動作識別、關鍵點估計、身體姿態估計、嵌入模型、連體網絡等。 TAO 工具套件的入門速度比以往更快，支持超過 NVIDIA NGC 上的 40 個預訓練模型。利用 TAO 的方法可以隨著用于調整各行各業模型的工作流而不斷擴展。如需了解詳情，請參閱 借助 NVIDIA TAO 和視覺 AI 模型變革工業缺陷檢測 和 自定義 AI 模型：使用 NVIDIA TAO 訓練角色檢測和識別模型。 TAO 的下載量已超過 10 萬次，

Source

]]> 8409 在 Diamond Light Source 使用 NVIDIA Holoscan 加速印刷工作流程 http://www.open-lab.net/zh-cn/blog/accelerating-ptychography-workflows-with-nvidia-holoscan-at-diamond-light-source/ Tue, 14 Nov 2023 06:13:46 +0000 http://www.open-lab.net/zh-cn/blog/?p=8232 Continued]]> Diamond Light Source 是英國知名的同步輻射加速器設施，它為科學家們提供了密集的 X 射線、紅外線以及其他形式的光線，用于研究材料和生物結構。該設施設有 30 多個實驗站或束線，并承載著一些世界上最先進、最復雜的科學研究項目。 I08-1 是 Diamond Light Source 的軟 X 射線光束線，提供了一種稱為分版成像的先進高分辨率成像技術，可提供納米級分辨率的圖像。分版成像使用一種計算成像方法，根據 X 射線束與樣本相互作用產生的測量結果或衍射圖案，以納米級分辨率重建樣本圖像。 這對于許多生物結構(例如細胞中的線粒體和細胞器)以及材料科學樣本中的內部結構和缺陷的納米級特征成像至關重要。這種重建圖像的過程非常強大，但可能會導致測量數據和查看圖像之間存在顯著差距。 I08-1 檢測器每秒可處理 25 幀圖像，

Source

]]> 8232 在 NVIDIA Omniverse Replicator 1.10 中使用低代碼工作流加速合成數據生成 http://www.open-lab.net/zh-cn/blog/boost-synthetic-data-generation-with-low-code-workflows-in-nvidia-omniverse-replicator-1-10/ Wed, 18 Oct 2023 05:57:04 +0000 http://www.open-lab.net/zh-cn/blog/?p=8004 Continued]]> 數據是 AI 系統的生命線，AI 系統依靠可靠的數據集進行學習并做出預測或決策。具體而言，對于感知 AI 模型而言，數據反映真實環境并整合一系列場景至關重要。這包括通常難以收集數據的邊緣用例，例如街頭交通和制造裝配線。 為了啟動和加速計算機視覺模型的訓練，AI 和機器學習 (ML) 工程師可以利用合成數據 (SDG) 來生成大量不同的訓練數據集，以處理視覺檢測、機器人和自動駕駛領域的各種用例。 最新更新的 NVIDIA Omniverse Replicator 是 NVIDIA Omniverse 的核心擴展，基于通用場景描述（OpenUSD）的平臺，開發人員可以構建比以往任何時候都更強大的合成數據生成管道。新功能亮點包括： 借助 Omniverse Replicator，開發者能夠構建用于訓練計算機視覺模型的數據工廠。此外，

Source

]]> 8004 NVIDIA AI Enterprise 4.0 推出，助力企業構建生產就緒的生成式 AI 為業務賦能 http://www.open-lab.net/zh-cn/blog/power-your-business-with-nvidia-ai-enterprise-4-0-for-production-ready-generative-ai/ Tue, 12 Sep 2023 05:30:28 +0000 http://www.open-lab.net/zh-cn/blog/?p=7883 Continued]]> 生成式 AI 已經跨越鴻溝并達到“ iPhone 時刻”，現在必須能夠擴展以滿足指數級增長的需求。可靠性和正常運行時間對于打造企業級生成式 AI 至關重要，尤其是當 AI 成為業務運轉的核心時。NVIDIA 正在將專業知識投入到解決方案的開發過程中，助力企業實現這樣的飛躍。 最新版 NVIDIA AI Enterprise 助力利用生成式 AI 進行創新的企業加速開發，為企業提供生產就緒型支持、可管理性、安全性和可靠性。 生成式 AI 模型具有數十億個參數，需要高效的數據訓練管道。訓練模型的復雜性、針對特定領域任務進行定制以及大規模部署模型都需要專業知識和計算資源。 NVIDIA AI Enterprise 4.0 包括 NVIDIA NeMo，這是一個端到端云原生框架，用于大規模數據管理、大語言模型的加速訓練和定制，以及在用戶首選平臺上優化推理。

Source

]]> 7883 利用 OpenUSD 和合成數據開發托盤檢測模 http://www.open-lab.net/zh-cn/blog/developing-a-pallet-detection-model-using-openusd-and-synthetic-data/ Tue, 18 Jul 2023 05:41:51 +0000 http://www.open-lab.net/zh-cn/blog/?p=7434 Continued]]> 想象一下，你是一名機器人或機器學習（ ML ）工程師，負責開發一個檢測托盤的模型，以便叉車能夠操縱托盤。‌您熟悉傳統的深度學習管道，策劃了手動注釋的數據集，并培訓了成功的模型。 你已經為下一個挑戰做好了準備，它以密集堆放的托盤的形式出現。你可能會想，我應該從哪里開始？‌ 2D 邊界框檢測或實例分割對此任務最有用嗎？‌我應該進行三維邊界框檢測嗎？如果是，我將如何對其進行注釋？‌最好使用單眼相機、立體相機或激光雷達進行檢測嗎？‌考慮到自然倉庫場景中出現的托盤數量之多，手動注釋并非易事。如果我弄錯了，代價可能會很高。 這就是我在面對類似情況時所想的。幸運的是，我有一個簡單的方法來開始相對較低的承諾：合成數據。 合成數據生成（SDG）是一種使用渲染圖像而不是真實世界圖像來訓練神經網絡的技術。使用合成渲染數據的優勢在于，您可以隱式地獲取場景中對象的完整形狀和位置，

Source

]]> 7434 用于 NVIDIA 基本命令平臺中創作工作流的 Apache Airflow http://www.open-lab.net/zh-cn/blog/apache-airflow-for-authoring-workflows-in-nvidia-base-command-platform/ Wed, 12 Jul 2023 03:12:22 +0000 http://www.open-lab.net/zh-cn/blog/?p=7354 Continued]]> 所以，您現在有大量的數據管道，并且正在考慮使用NVIDIA Base Command Platform進行集成。那么，您應該采取哪些步驟？使用工作流管理將NVIDIA Base Command進入您現有的管道。 工作流管理器使您能夠輕松管理管道，并連接到 Base Command 以利用 NVIDIA 計算能力。此示例使用 Apache Airflow，擁有豐富的開源社區，構建良好，并被廣泛采用。 工作流管理使您能夠連接和管理管道中的所有任務。它通過創建、記錄和監控完成必要任務所需的所有步驟來實現這一點。它通過確保正確高效地完成所有工作來簡化您的工作流程。 一個企業通常有一個 BizOps 團隊、 MLOps 團隊和 DevOps 團隊，負責完成各種任務以達到給定的目標。對于一個簡單的工作流程，許多人完成各種任務，有些人相互關聯或依賴，而另一些人則完全獨立。

Source

]]> 7354 使用 Superb AI Suite 和 NVIDIA TAO 工具包創建高質量的計算機視覺應用程序 http://www.open-lab.net/zh-cn/blog/create-high-quality-computer-vision-applications-with-superb-ai-suite-and-nvidia-tao-toolkit/ Mon, 12 Jun 2023 05:26:59 +0000 http://www.open-lab.net/zh-cn/blog/?p=7223 Continued]]> 數據標記和模型訓練一直被認為是團隊在構建 AI / ML 基礎設施時面臨的最大挑戰。這兩個步驟都是 ML 應用程序開發過程中的關鍵步驟，如果做得不當，可能會導致結果不準確和性能下降。要了解更多信息，請參閱人工智能基礎設施聯盟的2022 年 AI 基礎設施生態系統報告。 數據標記對于所有形式的監督學習都至關重要，在監督學習中，整個數據集都被完全標記。它也是半監督學習的一個關鍵組成部分，半監督學習將一組較小的標記數據與設計用于以編程方式自動標記數據集其余部分的算法相結合。標記對計算機視覺至關重要，計算機視覺是機器學習中最先進和最發達的領域之一。盡管它很重要，但貼標簽的速度很慢，因為它需要擴大分布式人力團隊的規模。 除了標注之外，模型訓練是機器學習的另一個主要瓶頸。訓練很慢，因為它需要等待機器完成復雜的計算。它要求團隊了解網絡、分布式系統、存儲、專用處理器（ GPU 或 TPU…

Source

]]> 7223 人人超碰97caoporen国产