NVIDIA a annoncé la sortie de son nouveau Boîte à outils TAO conçu pour permettre aux développeurs de créer des personnalisations très précises et prêtes pour la production Modèles d’IA pour alimenter la parole et la vision par ordinateur Applications IA. Prenant la forme d’une version low-code du framework NVIDIA Train, Adapt and Optimize (TAO), la boîte à outils simplifie et accélère la création de modèles d’IA.

Les modèles pré-formés dans la dernière version de la boîte à outils TAO peuvent appliquer les données recueillies à partir de Capteurs LIDAR pour la robotique et les applications automobilesclasser les actions humaines en fonction des poses humaines pouvant être utilisées dans les cas d’utilisation de la sécurité publique, de la vente au détail et de la sécurité des travailleurs, estimer les points clés sur les humains, les animaux et les objets pour aider à représenter les actions ou simplement définir la forme de l’objet, créer des voix personnalisées avec seulement 30 minutes de données enregistrées pour alimenter les appareils intelligents, les personnages de jeu et les restaurants à service rapide.

Développement de modèles d’IA

NVIDIA explique un peu plus ce que vous pouvez attendre de la dernière version du TAO Toolkit.

« Avec TAO, les développeurs peuvent utiliser la puissance de l’apprentissage par transfert pour créer des modèles prêts pour la production, personnalisés et optimisés pour de nombreux cas d’utilisation. Celles-ci incluent la détection des défauts, la traduction des langues ou la gestion du trafic, sans avoir besoin de quantités massives de données.

Cette version augmente la productivité des développeurs avec de nouveaux modèles de vision et de parole pré-entraînés. Il inclut également de nouvelles fonctionnalités clés telles que l’importation de poids de modèle ONNX, les API REST et l’intégration de TensorBoard. »

– Déployez TAO Toolkit en tant que service avec les API REST: Créez un nouveau service d’IA ou intégrez-le dans un service existant avec les API REST. Vous pouvez gérer et orchestrer le service TAO Toolkit sur Kubernetes. Avec TAO Toolkit en tant que service, les responsables informatiques peuvent fournir des services évolutifs à l’aide d’API standard.

– Apportez vos propres poids de modèle : Affinez et optimisez vos modèles non-TAO avec TAO. Importez des poids pré-entraînés depuis ONNX et profitez des fonctionnalités TAO telles que l’élagage et la quantification sur votre propre modèle. Ceci est pris en charge pour les tâches de classification et de segmentation d’images.

– Visualisez avec TensorBoard : Comprenez les performances d’entraînement de votre modèle en visualisant des scalaires tels que la perte d’entraînement et de validation, les poids du modèle et les images prédites dans TensorBoard. Comparez les résultats entre les expériences en modifiant les hyperparamètres et choisissez celui qui correspond le mieux à vos besoins.

– Modèles pré-entraînés : Les modèles pré-entraînés accélèrent le processus de personnalisation que vous pouvez affiner grâce à la puissance de l’apprentissage par transfert, avec moins de données.

La source : Nvidia

Catégorie(s) : Nouvelles du design, Top News