受今年新冠疫情影响,各种公共场所都会限制进入人数,对人流进行统计和控制。快速部署一个行人统计系统,成为一个非常火热的需求。
本次课程将介绍如何利用 NVIDIA Transfer Learning Toolkit,在 Python 的环境下快速训练并部署一个行人检测模型。并会详细介绍如何利用该工具,对模型进行剪枝,评估并优化。
Transfer Learning Toolkit 内包含了95个预训练模型,6个常用网络模型,用户不用从头开始训练,极大地减轻了准备样本的工作量,让开发者专注于模型的精度提升。
Transfer Learning Toolkit 是一个基于 Python 的工具包,它使开发人员能够利用 NVIDIA 预先训练的模型,并为开发人员提供一系列的工具,使流行的网络架构适应他们自己的数据,并且能够训练、调整、修剪和导出模型以进行部署。它还拥有简单的接口和抽象 API,提高了深度学习训练工作流的效率。
本次在线研讨会主要面向有高性能计算和人工智能开发需求的开发者,通过本次在线研讨会,您可以获得以下内容:
-
NVIDIA Transfer Learning Toolkit 2.0 的最新特性
-
利用 nvidia-docker 快速部署 NVIDIA Transfer Learning Toolkit
-
利用 NVIDIA Transfer Learning Toolkit 的预训练模型快速生成可执行推理引擎
-
利用 NVIDIA Transfer Learning Toolkit 快速搭建深度学习训练环境
-
利用 Transfer Learning Toolkit 快速训练部署行人检测模型