最新版本的 NVIDIA TAO Toolkit 4.0通过全新的 AutoML 功能、与第三方 MLOP 服务的集成以及新的预训练视觉 AI 模型提高了开发人员的工作效率。企业版现在包括对预训练模型的完整源代码和模型权重的访问。
该工具包可为视觉和对话式 AI 提供高效的模型训练。通过简化复杂的 AI 模型和深度学习框架，即使没有 AI 专业知识的开发人员也可以使用该工具包生成 AI 模型。使用迁移学习通过您自己的数据微调 NVIDIA 预训练模型，现在无需 AI 专业知识或大型训练数据集即可优化模型推理吞吐量。
开发人员可以使用 TAO 创建针对特定环境和场景优化的定制生产就绪模型。一项值得注意的新功能可帮助开发人员在没有大量数据的情况下构建对象检测模型。用例包括检测装配线缺陷、跨语言翻译特定短语或管理城市交通。
功能亮点：
- 可以访问预训练模型的 TAO 源代码和模型权重。
- 使用 AutoML 训练高质量模型，无需手动微调数百个参数。
- 在来自领先的云提供商和 Kubernetes 服务（如Amazon EKS或Azure AKS ）的 VM 上部署。
- 简化云机器学习服务（例如 Google Colab、Google Vertex AI 和 Microsoft Azure Machine Learning ）的基础架构管理和扩展。 在 Google Colab 上试验 NVIDIA TAO 工具包和预训练模型
- 新的云集成和第三方 MLOps 服务，例如 W&B 和 ClearML，为开发人员和企业提供优化的 AI 工作流。
- 与 REST API 集成。使用 REST API 快速构建新的 AI 服务或集成到现有服务中。
- 使用新的基于转换器的预训练模型（CitySemSegformer、Peoplenet Transformer）和零售特定的预训练模型（RetailObjectDetection、RetailObjectRecognition 和 ReIdentificationNet。）
注意使用TAO 工具包的最低硬件要求：
建议使用以下系统配置，以使用 TAO Toolkit 和提供的支持模型实现合理的训练性能：
- 32 GB 系统内存
- 32 GB 的 GPU 内存
- 8核CPU
- 1 个英伟达显卡
- 100 GB SSD 空间
注意：在 Pascal 生成之前的 GPU 上不支持 TAO Toolkit。
软件要求：
下载TAO工具包，请访问：
https://catalog-ngc-nvidia-com.translate.goog/orgs/nvidia/teams/tao/resources/tao-getting-started?_x_tr_sl=auto&_x_tr_tl=zh-CN&_x_tr_hl=zh-CN&_x_tr_pto=wapp
