英伟达又一次站上人工智能的风口

与此同时，英伟达还致力于软件的布局，如迁移学习，这是他们近年来关注的焦点。根据英伟达，的说法，这项技术只是解决当前人工智能“痛点”的一种方法。

从相关报道可以看出，人工智能已经走向各行各业。同时，我们也意识到从零开始开发一个AI应用需要经过训练的过程才能得到一个模型和推理。但是，因为现在的应用很多，如果所有的开发者和初创企业都需要从头创建一个模型，不仅费时费力，而且成本高昂。这给了“迁移学习”一个机会。

迁移学习是指将已在相关任务中训练过的模型的一部分复用到新模型中，从而大大减少对大量计算资源的需求。具体来说，我们可以从现有的神经网络中提取学习到的特征，并通过从现有的神经网络中转移权重来转移这些学习到的特征，英伟达转移学习工具包(TLT)就是其中的代表。

英伟达再次站在人工智能的尖端

据介绍，英伟达迁移学习工具包(一个基于Python的工具包)提供了大量预先训练好的模型和一系列工具，使流行的网络架构适应开发者自己的数据，可以训练、调整、裁剪和导出模型进行部署。

2018年第一代工具包发布的时候，英伟达也说这个程序有很多预先训练和优化的特定领域DNN，打包是提前的；有计算机视觉中物体分类和检测的应用实例；在异构多图形处理器环境中，很容易进行模型自适应和再训练。您可以轻松修改配置文件，添加新的类别和功能，并压缩模型大小。ModelExportAPI可以在英伟达deepstreamsdk  3.0上轻松部署模型，用于智能视频分析(IVA)应用；ModelExportAPI可以将模型部署到Clara平台进行医学影像相关应用。

自第一代产品发布以来，英伟达TLT一直受到开发商的热烈欢迎。该公司进行了持续的投资，最近推出了一些预培训模型和可直接用于生产的TransferLearningToolkit(TLT)3.0开发人员测试版，以及DeepStreamSDK5.1。据报道，该版本包括一系列新的预培训模型。这些模型具有支持会话式AI应用的创新功能，可以提供更强大的解决方案，加速开发人员从培训到部署的全过程。

英伟达表示，预培训模式和TLT3.0(开发人员测试版)包括以下主要亮点：

1.新的视觉AI预训练模型：车牌检测识别、心率监测、手势识别、视线估计、情感识别、人脸检测、面部特征点估计；

2.通过自动语音识别(ASR)和自然语言处理(NLP)的预训练模型支持对话式人工智能用例

3.选择流行的网络架构进行培训，如高效网、YoloV4、UNET；

4;改进的PeopleNet模型可以检测困难的场景，例如坐着的人和旋转/扭曲的物体

5;用于驱动兼容容器初始化的TLT启动器

6;使用第三代tensor内核支持NVIDIAAmpereGPU，以提高性能

“有了TLT，您可以使用自己的数据，通过英伟达为常见人工智能任务开发的多用途生产级模型，或者结合ResNet、VGG、FasterRCNN、RetinaNet和YOLOv3/v4等100多种神经网络架构，对特定用例的模型进行微调。所有型号均可从NGC购买。”英伟达强调。

人工智能行业专家吴恩达，教授在NIPS2016讲座上说：“在监督学习之后，迁移学习将引领下一波机器学习技术的商业化。”由此可见，英伟达又一次走上了AI的风口浪尖。