5. まとめ
このホワイトペーパーを通じて、学習済みモデルと TAO Toolkit によって、特定の環境への迅速な適応と最適化という、AI の運用に際して直面する最後の課題を解決できることを示してきました。TAO Toolkit があれば、プログラマーやデータ サイエンティストだけでなく、だれもが簡単に、AI を活用して問題解決を図れます。ガイド付き Jupyter Notebook、使いやすい CLI、学習済みモデルにより、迅速なプロトタイプ作成と展開が可能になります。モデル アーキテクチャを幅広く選択することで、さまざまな問題を解決できます。データ拡張機能では、モデルの精度をさらに高めたり、必要なデータ量を削減したりできます。TAO Toolkit を活用すれば、転移学習のメリットを活かして AI モデルをトレーニングし、適応させ、最適化して、ユース ケースに合わせたカスタム AI ソリューションをすばやく構築できます。
まずは、NGC カタログ の学習済みモデルをご覧ください。カタログには、人物や車両の検出、ナンバー プレートの識別などの一般的なコンピューター ビジョンのユース ケースや、音声認識や自然言語処理などの対話型 AI のユース ケースに利用できるモデルが掲載されています。NVIDIA TAO Toolkit を使用して、これらのモデルをユース ケースにすばやく適応させ、NVIDIA DeepStream や NVIDIA Riva などのさまざまなフレームワーク SDK に展開してみてください。
詳細については、以下のリソースをご参照ください。