当AI模型开发遇到低代码 NVIDIA TAO工具套件新版本正式发布 原创

AI模型从开发到部署应用，是一个技术门槛高、流程复杂的过程。AI模型的全生命周期包括问题定义、数据接入、数据处理、特征工程、模型训练、模型评估及发布、模型管理等环节，其中特征工程、模型选择、模型评估等环节高度依赖AI专家和数据科学家的经验和算法能力。

而低代码低代码（Low Code）是一种可视化的应用开发方法，基于图形化拖拽、参数化配置等更为高效的方式，用较少的代码、以较快的速度来交付应用程序，将程序员不想开发的代码做到自动化，称之为低代码。

近日，NVIDIA发布了TAO（NVIDIA训练、适应和优化，TAO）工具套件低代码版本，其能够简化并加速语音和视觉AI应用的AI模型创建。

最新发布的TAO工具套件包括全新和更新的视觉及语音预训练模型。ONNX模型权重导入、REST API和TensorBoard集成等新功能，能够快速追踪模型创建流程，提高开发者的生产力。

简化AI模型开发

NVIDIA TAO（训练、适应和优化）是一个可以简化和加速企业AI应用和服务创建的AI模型自适应平台。通过基于用户界面的指导性工作流程，让用户可以使用自定义数据对预训练模型进行微调，无需掌握大量训练运行和深度AI专业知识，在数小时内（原本需要数月）产生高度精确的计算机视觉、语音和语言理解模型。

TAO使开发者能够轻松运用迁移学习创建自定义生产级模型，这些模型专门针对缺陷检测、语言翻译、交通管理等各种行业专属用例进行了优化。使用TAO开发模型的用户能够用更少的数据优化模型，进而缩短部署时间。

NVIDIA TAO工具套件低代码版本可以简化AI模型开发，这得益于其全新的功能特性：

• 使用自己的模型权重：通过导入ONNX图像分类和分割模型的预训练权重来加快模型的自定义。您也可以使用您自己的数据自定义和优化模型。
• 使用REST API将TAO工具套件作为服务部署：使用REST API将TAO工具套件作为服务部属到Kubernetes上的现代云原生基础设施中，从而构建新的AI服务或集成到现有服务中。
• 使用TensorBoard实现可视化：通过训练和验证损失、模型权重、TensorBoard中的预测图像等可视化标量了解您的模型训练性能。改变超参数，比较实验结果并作出最适合您需求的选择。
• 预训练模型：预训练模型加快自定义流程，让您能够通过迁移学习以更少的数据进行微调。

最新版本中新增的一些预训练模型可以：

• 将从激光雷达传感器采集的数据用于机器人和汽车应用。
• 根据人的姿势对人的动作进行分类。
• 估计人、动物和物体上的关键点。
• 只需30分钟的记录数据就可以创建自定义声音。

结语

当前越来越多的企业将AI应用到业务中，但过程中也受到专业技能缺乏、数据不足以及开发周期较长等问题的困扰。NVIDIA TAO简化了AI工作流程，搭建了奔向企业AI的快车道。