NVIDIA TAO 入门
NVIDIA TAO 为您提供一个低代码、开源的 AI 框架,用于加速您的视觉 AI 模型开发,适用于从初学者到专家数据科学家的各种技能水平。现在,您可以利用迁移学习的强大功能和效率,在短时间内通过调整和优化实现出色的准确性和生产级别的吞吐量。
下载 TAO
NVIDIA TAO 版本 5.5:新增功能
NVIDIA TAO 的最新版本提供多个基础模型和多模态模型,可加速您的 AI 开发。这些模型和功能可以释放新的潜力,并大幅提高视觉 AI 的生产力。
- 探索新的基础和多模态模型:
- Grounding-DINO – 通过微调开放词汇对象检测
- Mask-Grounding-DINO – 带微调的开放词汇实例分割
- NV-CLIP – 图像和文本嵌入的基础模型
- BEVFusion – 结合图像和激光雷达数据的传感器融合模型,通过微调实现 3D 理解
- SEGIC – 基于视觉提示的任意物体上的上下文分割
- 基础姿态 – 适用于任何新型物体的六个 DoF 物体姿态估计
- Mask2Former – 经过微调的先进实例和全景分割模型
- 使用文本提示自动创建用于物体检测和分割的标签数据集。
- 知识蒸馏 – 通过蒸馏大型网络的知识,创建更小、更高效且更准确的网络。
生产就绪型视觉 AI
NVIDIA TAO 还可作为 NVIDIA AI Enterprise 是一个端到端安全的云原生 AI 软件平台,已针对加速企业走向 AI 前沿进行优化。
借助企业级安全性、稳定性、可管理性和支持, NVIDIA AI Enterprise 可加快价值实现速度,同时减少开源软件的潜在风险,从而确保业务连续性和可靠的平台来运行任务关键型 AI 应用程序。
使用 TAO 与 NVIDIA AI Enterprise 的优势包括:
- 访问专为视觉 AI 打造的独家基础模型,可用于调整自定义视觉 AI 任务
- 验证和集成 NVIDIA AI 开源软件
- 访问 AI 解决方案工作流程,加快生产时间
- 用于部署 AI 的认证
- 提供企业级支持、安全性、可管理性和 API 稳定性,以减少开源软件的潜在风险
了解详情
有用的资源
开发者入门资源
开发者博客
训练 Notebook 和容器
- 对于视觉 AI 训练,请访问 Jupyter Notebook 集合和训练规格
- 对于计算机视觉模型和容器集合,从 NGC 下载
- 要在 Google Colab 上试用 TAO,请执行以下操作:
部署应用示例
- 要使用 NVIDIA Triton™ 部署 TAO 模型,请访问 TAO Triton 资源库
- 要使用 NVIDIA DeepStream 部署 TAO 模型,请查看以下应用:
要将 TAO 模型 (etlt) 转换为适用于 DeepStream 部署的 NVIDIA TensorRT™ 引擎,请为硬件和软件堆栈选择合适的 TAO 转换器。
精选视频教程
其他资源
博客和教程
- 借助 NVIDIA TAO 和视觉 AI 模型实现工业缺陷检测转型
- 自定义 AI 模型:使用 NVIDIA TAO 和 Triton 训练和部署人物检测和识别模型 第 1 部分 | 第 2 部分(新)
- 借助视觉 Transformer 和 NVIDIA TAO 提高视觉 AI 应用的准确性和稳健性
- 使用 NVIDIA TAO 工具套件 5.0 访问视觉 AI 模型开发工作流程的最新进展
- 使用 TAO 中的全新 AutoML 功能模仿 AI 专家的训练方式
- 在 Azure ML 中使用 TAO 创建自定义 AI 模型
精选网络会议
- GTC 2024借助多模态基础模型使用视觉和语言构建专用 AI
- 在 NVIDIA TAO 4.0 中使用 AutoML 加速 AI 模型创建
- GTC 2023:使用 TAO 简化 AI 模型
- GTC 2023:在 NetsPresso 中运行 TAO 工具套件 API,实现轻松的视觉 AI 模型开发和优化
- GTC 2023:一键解决计算机视觉的重大挑战
- 使用 TAO 工具套件的五大理由
产品支持
伦理 AI
NVIDIA 平台和应用程序框架使开发者能够构建各种 AI 应用程序。在选择或创建部署的模型时,请考虑算法偏差的潜在影响。同时,与模型的开发者合作,确保模型符合相关行业和用例的要求;提供必要的指令和文档,以便了解错误率、置信区间和结果;并确保模型按照预期的条件和方式使用。