今天，NVIDIA 宣布正式发布最新版本的TAO 工具包。作为 NVIDIA 训练、适应和优化 (TAO) 框架的低代码版本，该工具包可简化和加速语音和视觉 AI 应用程序的 AI 模型的创建。
借助 TAO，开发人员可以利用迁移学习的力量来创建针对许多用例进行定制和优化的生产就绪模型。其中包括检测缺陷、翻译语言或管理流量，而无需大量数据。
此版本通过新的预训练视觉和语音模型提高了开发人员的工作效率。它还包括关键的新功能，例如 ONNX 模型权重导入、REST API 和 TensorBoard 集成。
发布亮点
-使用 REST API 部署 TAO 工具包即服务： 构建新的 AI 服务或使用 REST API 集成到现有服务中。您可以在 Kubernetes 上管理和编排 TAO Toolkit 服务。借助 TAO Toolkit 即服务，IT 经理可以使用行业标准 API 提供可扩展的服务。
-自带模型权重：使用 TAO 微调和优化非 TAO 模型。从 ONNX 导入预训练的权重，并在您自己的模型上利用 TAO 功能，例如修剪和量化。这支持图像分类和分割任务。
-使用 TensorBoard 进行可视化：通过在 TensorBoard中可视化标量（例如训练和验证损失、模型权重和预测图像）来了解您的模型训练性能。通过更改超参数来比较实验之间的结果，并选择最适合您需求的那个。
-预训练模型：预训练模型加快了定制过程，您可以通过迁移学习的力量进行微调，同时使用更少的数据。
这个最新版本中的一些新的预训练模型可以：
- 将从激光雷达传感器收集的数据应用于机器人和汽车应用。
- 根据可用于公共安全、零售和工人安全用例的人体姿势对人体动作进行分类。
- 预估人类、动物和物体的关键点，以帮助描绘动作或简单地定义物体形状。
- 只需 30 分钟的录制数据即可创建自定义声音，为智能设备、游戏角色和快餐店提供动力。
关于NVIDIA TAO工具包的学习，可以参考此官方链接：
https://developer.nvidia.com/tao-toolkit-get-started?ncid=so-yout-102946&sfdcid=EM20#nvidia-tao
在本视频中，NVIDIA展示如何使用 TAO Toolkit 在 TensorBoard 中可视化模型训练进度。
