【5月8】NVIDIA迁移学习工具包（TLT）最佳实践

感谢您参与英伟达Metropolis从原理到实战系列直播&＃xff01;今天直播的主题是《从原理到实战, NVIDIA 迁移学习工具包&＃xff08;Transfer Learning Toolkit&＃xff09;最佳实践》。我们的直播将于16:00正式开始&＃xff0c;本次直播针对各行业的需求和特点&＃xff0c;利用NVIDIA原厂的产品技术优势和积累&＃xff0c;帮助相关领域的合作伙伴&＃xff0c;客户以及开发人员更好地理解NVIDIA相关硬件和软件的使用技巧&＃xff0c;从而减少学习和试错时间&＃xff0c;挖掘硬件算力的潜力&＃xff0c;优化成本&＃xff0c;为疫情后的需求和市场爆发做好准备。希望这样的培训能帮助到大家

问题&＃xff1a;实时性与精度的保证

迁移学习&＃xff1a;

从0开始训练与迁移学习的准确度的情况。
迁移学习&＃xff0c;可以准确度与花费时间都很好

架构&＃xff1a;

工作流程
NGC模型下载本地
训练
调参
得到好的精度

然后剪枝&＃xff0c;减少计算度
返回调整裁剪的门限

支持的网络模型

6个已经训练好的例子&＃xff1a;

可以使用多GPU/集群训练

TLT数据集增强的方式

灵活的增加”类“

TLT工具介绍&＃xff1a;

命令行接口&＃xff0c;快速构建模型构建时间&＃xff0c;学习成本很低

流程

定性与定量的分析工具&＃xff1a;

裁剪后的分析&＃xff1a;

YOLO v3效果很好

总结剪裁

部署方式;

开发资源&＃xff1a;

NGC

演示

预训练模型

下载预先训练模型

如上&＃xff0c;为训练配置文件

开始训练

评估

剪枝

部署

github&＃xff1a;