英偉達發布遷移學習工具包，現在可以申請早期試用

圓栗子 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

最近，英偉達發布了一個遷移學習工具包 (Transfer Learning Toolkit) 。

這個基於Python的工具包，打包了許多預訓練的模型：

常用的ResNet-10，ResNet-18，ResNet-50，GoogLeNet，VGG-16和VGG-19等等都包含在內。

英偉達說，開發者不用費時費力自己去搭建深度神經網路 (DNN) ，直接對預訓練模型做些修改，就可以做出自己的應用。

並且，工具包里的許多模型，都是為某一領域定製的。比如視頻分析 (IVA) ，比如醫學影像分析。

六大功能

所謂遷移學習，是指預訓練的模型已經學習到一些特徵，我們要把它學到的東西，通過權重，遷移給另外一個神經網路。

用戶還可以在工具包提供的原有神經網路上，增加數據，或者增加特徵。然後讓它們重新訓練，適應變化。

工具包還提供多GPU支持。

英偉達官方總結了六大關鍵功能：

許多預訓練的優化過的領域特定DNN，預先打包在裡面；

有計算機視覺中，物體分類、檢測的應用示例；

在異構的多GPU環境中，易於做模型適應 (Model Adaptation) ，易於重新訓練；

可以輕鬆修改配置文件，增加新類別、新特徵，壓縮模型大小；

Model Export API可以把模型輕鬆部署在英偉達的DeepStream SDK 3.0上，做智能視頻分析 (IVA) 應用；

Model Export API可以把模型部署到Clara平台上，來做醫學影像相關應用。

兩種主要應用

英偉達介紹的兩種應用，一是智能視頻分析(IVA) 。

比如，停車管理、物流管理、零售分析等方面都有這樣的應用。

工具包里的模型，都是專門用來做IVA推理、並經過透徹訓練的。

以上這些栗子，是預訓練的圖像分類和物體識別模型，都是工具包附帶的。

英偉達提供了端到端的深度學習工作流，來加速模型訓練和部署：如用DeepStream SDK 3.0，部署在Tesla GPU上。

另外一種應用，是醫學影像分析。

工具包里的模型，依然是專為這類應用而訓練的。

比如，AI輔助人類進行數據標註的SDK，可以加速醫學影像的標註過程。

還有，英偉達團隊曾經開發過一個3D腦瘤分割模型，叫做BraTS。它獲得了2018多模態腦瘤分割挑戰賽的冠軍。

這個模型也打包在工具包里了。

工具包用的是樸素的命令行界面，開發者可以輕鬆修改原有的模型。

可以申請了

現在，遷移學習工具包還沒有正式發布，不過可以申請早期訪問(Early Access) 了：

另外，官方表示發布已經臨近，各位也可以註冊一下，以便第一時間收到消息：

申請/註冊傳送門：

https://developer.nvidia.com/transfer-learning-toolkit

—完—

年度評選申請

加入社群

量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！