英伟达发布迁移学习工具包，现在可以申请早期试用

最近，英伟达发布了一个迁移学习工具包 (Transfer Learning Toolkit) 。

这个基于Python的工具包，打包了许多预训练的模型：

常用的ResNet-10，ResNet-18，ResNet-50，GoogLeNet，VGG-16和VGG-19等等都包含在内。

英伟达说，开发者不用费时费力自己去搭建深度神经网络 (DNN) ，直接对预训练模型做些修改，就可以做出自己的应用。

并且，工具包里的许多模型，都是为某一领域定制的。比如视频分析 (IVA) ，比如医学影像分析。

六大功能

所谓迁移学习，是指预训练的模型已经学习到一些特征，我们要把它学到的东西，通过权重，迁移给另外一个神经网络。

用户还可以在工具包提供的原有神经网络上，增加数据，或者增加特征。然后让它们重新训练，适应变化。

工具包还提供多GPU支持。

英伟达官方总结了六大关键功能：

1. 许多预训练的优化过的领域特定DNN，预先打包在里面；
2. 有计算机视觉中，物体分类、检测的应用示例；
3. 在异构的多GPU环境中，易于做模型适应 (Model Adaptation) ，易于重新训练；
4. 可以轻松修改配置文件，增加新类别、新特征，压缩模型大小；
5. Model Export API可以把模型轻松部署在英伟达的DeepStream SDK 3.0上，做智能视频分析 (IVA) 应用；
6. Model Export API可以把模型部署到Clara平台上，来做医学影像相关应用。

两种主要应用

英伟达介绍的两种应用，一是智能视频分析 (IVA) 。

比如，停车管理、物流管理、零售分析等方面都有这样的应用。

工具包里的模型，都是专门用来做IVA推理、并经过透彻训练的。

以上这些栗子，是预训练的图像分类和物体识别模型，都是工具包附带的。

英伟达提供了端到端的深度学习工作流，来加速模型训练和部署：如用DeepStream SDK 3.0，部署在Tesla GPU上。

另外一种应用，是医学影像分析。

工具包里的模型，依然是专为这类应用而训练的。

比如，AI辅助人类进行数据标注的SDK，可以加速医学影像的标注过程。

还有，英伟达团队曾经开发过一个3D脑瘤分割模型，叫做BraTS。它获得了2018多模态脑瘤分割挑战赛的冠军。

这个模型也打包在工具包里了。

工具包用的是朴素的命令行界面，开发者可以轻松修改原有的模型。

可以申请了

现在，迁移学习工具包还没有正式发布，不过可以申请早期访问 (Early Access) 了：

另外，官方表示发布已经临近，各位也可以注册一下，以便第一时间收到消息：

申请/注册传送门： https://developer.nvidia.com/transfer-learning-toolkit