📋
docs.binaexperts.com
  • Introduction
  • Get Started
  • Organization
    • Create an Organization
    • Add Team Members
    • Role-Based Access Control
  • Datasets
    • Creating a Project
    • Uploading Data
      • Uploading Video
    • Manage Batches
    • Create a Dataset Version
    • Preprocessing Images
    • Creating Augmented Images
    • Add Tags to Images
    • Manage Categories
    • Export Versions
    • Health Check
    • Merge Projects and Datasets
    • Delete an Image
    • Delete a Project
  • annotate
    • Annotation Tools
    • Use BinaExperts Annotate
  • Train
    • Train
    • Framework
      • Tensorflow
      • PyTorch
      • NVIDIA TAO
      • TFLite
    • Models
      • YOLO
      • CenterNet
      • EfficientNet
      • Faster R-CNN
      • Single Shot Multibox Detector (SSD)
      • DETR
      • DETECTRON2 FASTER RCNN
      • RETINANET
    • dataset healthcheck
      • Distribution of annotations based on their size relative
      • Distribution of annotations based on their size relative
    • TensorBoard
    • Hyperparameters
    • Advanced Hyperparameter
      • YAML
      • Image Size
      • Validation input image size
      • Patience
      • Rectangular training
      • Autoanchor
      • Weighted image
      • multi scale
      • learning rate
      • Momentum
  • Deployment
    • Deployment
      • Legacy
      • Deployment model (Triton)
    • Introducing the BinaExperts SDK
  • ابزارهای نشانه گذاری
  • استفاده از نشانه گذاری بینااکسپرتز
  • 🎓آموزش مدل
  • آموزش
  • چارچوب ها
    • تنسورفلو
    • پایتورچ
    • انویدیا تاو
    • تنسورفلو لایت
  • مدل
    • یولو
    • سنترنت
    • افیشنت نت
    • R-CNN سریعتر
    • SSD
    • DETR
    • DETECTRON2 FASTER RCNN
  • تست سلامت دیتاست
    • توزیع اندازه نسبی
    • رسم نمودار توزیع
  • تنسوربرد
  • ابرمقادیر
  • ابرمقادیر پیشرفته
    • YAML (یامل)
    • اندازه تصویر
    • اعتبار سنجی تصاویر ورودی
    • انتظار
    • آموزش مستطیلی
  • مستندات فارسی
    • معرفی بینااکسپرتز
    • آغاز به کار پلتفرم بینااکسپرتز
  • سازماندهی
    • ایجاد سازمان
    • اضافه کردن عضو
    • کنترل دسترسی مبتنی بر نقش
  • مجموعه داده ها
    • ایجاد یک پروژه
    • بارگذاری داده‌ها
      • بارگذاری ویدیو
    • مدیریت دسته ها
    • ایجاد یک نسخه از مجموعه داده
    • پیش‌پردازش تصاویر
    • ایجاد تصاویر افزایش یافته
    • افزودن تگ به تصاویر
    • مدیریت کلاس‌ها
  • برچسب گذاری
    • Page 3
  • آموزش
    • Page 4
  • استقرار
    • Page 5
Powered by GitBook
On this page

Was this helpful?

  1. چارچوب ها

انویدیا تاو

NVIDIA TAO (Toolkit for Adaptive Optimization) بخشی از مجموعه ابزارهای یادگیری انتقالی (Transfer Learning Toolkit) است که ابزارها و جریان‌های کاری را برای بهینه‌سازی مدل‌های از پیش آموزش‌دیده شده بر روی داده‌های سفارشی فراهم می‌کند. برای استقرار مدل‌هایی که با TAO آموزش داده شده‌اند، مراحل زیر را دنبال کنید:

  1. آموزش مدل: مدل‌های یادگیری عمیق خود را با استفاده از TAO بر روی GPUهای NVIDIA آموزش دهید. از مدل‌های از پیش آموزش‌دیده شده و تکنیک‌های یادگیری انتقالی برای انجام وظایفی مانند تشخیص اشیاء، تقسیم‌بندی یا طبقه‌بندی استفاده کنید.

  2. بهینه‌سازی استنتاج: مدل‌های آموزش‌دیده خود را برای استقرار بر روی سخت‌افزار NVIDIA با استفاده از TensorRT، کتابخانه استنتاج یادگیری عمیق با عملکرد بالا از NVIDIA، بهینه‌سازی کنید. مدل‌های خود را به فرمت TensorRT تبدیل کنید و از بهینه‌سازی‌هایی مانند کم‌دقتی INT8 و ترکیب لایه‌ها برای استنتاج سریع‌تر استفاده کنید.

PreviousپایتورچNextتنسورفلو لایت

Last updated 11 months ago

Was this helpful?