NVIDIA TAO 遷移學(xué)習(xí)工具包如果您有興趣了解有關(guān)人工智能應(yīng)用程序和開發(fā)的更多信息，您可能會(huì)對(duì) NVIDIA TAO 遷移學(xué)習(xí)工具包 (TLT) 感興趣，它是 NVIDIA 訓(xùn)練、適應(yīng)和優(yōu)化 (TAO) 平臺(tái)的核心組件。TLT 附帶一組即用型 Jupyter 筆記本、Python 腳本和帶有默認(rèn)參數(shù)值的配置規(guī)范，使您能夠按照零編碼范式快速輕松地開始訓(xùn)練和微調(diào)數(shù)據(jù)集，以快速跟蹤 AI發(fā)展。

“所采用的方法側(cè)重于最大限度地減少開發(fā)時(shí)間和調(diào)整時(shí)間，同時(shí)確保準(zhǔn)確性適用于生產(chǎn)環(huán)境。TLT 與示例筆記本附帶的標(biāo)準(zhǔn)配置文件結(jié)合使用。設(shè)置、訓(xùn)練和調(diào)整在 8 小時(shí)內(nèi)完成。

我們對(duì)網(wǎng)絡(luò)深度和訓(xùn)練周期數(shù)進(jìn)行了參數(shù)掃描。我們觀察到改變默認(rèn)的學(xué)習(xí)率并沒(méi)有改善結(jié)果，所以我們沒(méi)有進(jìn)一步調(diào)查這一點(diǎn)并將其保留為默認(rèn)值。最好的結(jié)果是使用從 NGC 目錄中獲得的預(yù)訓(xùn)練 ResNet-18 模型獲得的，該模型經(jīng)過(guò) 30 輪訓(xùn)練，學(xué)習(xí)率為 0.006。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！