AI 为许多行业带来了革命性的变化，从零售、制造、医疗健康到汽车行业，不一而足。这些行业中的企业在运用 AI 来感知我们周围的世界，获取实时洞察力，这是其他方式无法实现的。

通过为给定用例构建自定义 AI 解决方案的方式使 AI 从研究过渡到生产，是一项艰巨的任务。首先，我们要采集并标注大量有代表性的数据集，以满足训练需求。要获得先进的深度学习模型，需要在相关领域拥有丰富的经验，而数据科学家在进行许多次迭代和实验后，才能获得具有代表性的模型。这非常耗时。最后，我们必须对经过训练的模型进行优化，以便实现高吞吐量、低延迟的推理。

通过迁移学习加快训练速度

要推动 AI 快速从概念过渡到生产，非常实用且容易推广的方法是，使用自定义数据对经过预训练的现有 AI 模型进行微调。这不仅有助于满足许多行业中数量激增且多样的用例的需求，而且有助于实现快速的原型设计和自定义，从而满足各种环境的要求。

NVIDIA TAO 工具套件是一种低代码 AI 解决方案，可让您使用迁移学习快速进行训练和调整，并借助内置的 NVIDIA TensorRT 针对推理进行优化，因此能够解决上述问题。迁移学习是一种训练技术，通过它您可以将一个模型学习到的特征运用到另一个模型。这有助于减少根据您的确切需求自定义模型所需的数据量和训练时间。

TAO 工具套件提供的模型架构和基于任务的模型非常先进，并且已被证实能够解决计算机视觉、语音和自然语言理解方面的许多常见问题。

以下是用于执行各种任务的部分模型示例：

• 计算机视觉：对象检测、分类和语义分割
• 语音 AI：自动语音识别 (ASR) 和文本转语音 (TTS)
• 自然语言理解 (NLU)：问题解答、意图识别和槽位填充，以及标点符号

在接下来的几个部分中，我们将介绍预训练的模型和 TAO 工具套件的强大功能，这些功能有助于解决许多行业面临的一些难题。

以下是本白皮书中介绍的一些用例：

• 使用预训练的 PeopleNet 模型以及热图像进行调整，以适应不同的摄像头类型
• “使用通过 PCB 检测获得的小型数据集进行原型设计”示例
• “使用头盔检测为现有模型添加新分类”示例
• 自定义预训练的动作识别模型以实现自主购物

如果您想立即开始实验，请单击链接前往 GitHub 项目页面。