NVIDIA 遷移學(xué)習(xí)工具包對(duì)于深度學(xué)習(xí)應(yīng)用開(kāi)發(fā)人員和數(shù)據(jù)科學(xué)家來(lái)說(shuō)是理想的工具，這些開(kāi)發(fā)人員和數(shù)據(jù)科學(xué)家正在為各種行業(yè)垂直領(lǐng)域（如智能視頻分析（IVA）和醫(yī)學(xué)成像）尋求更快、更高效的深度學(xué)習(xí)訓(xùn)練工作流程。

許多應(yīng)用開(kāi)發(fā)者和數(shù)據(jù)科學(xué)家都正在為智能視頻分析（IVA）、醫(yī)療影像等各種垂直領(lǐng)域?qū)ふ腋?、更高效的深度學(xué)習(xí)訓(xùn)練工作流程。NVIDIA 近期就發(fā)布了一個(gè)遷移學(xué)習(xí)工具包（ NVIDIA Transfer Learning Toolkit），希望可以成為他們的理想工具。AI 科技評(píng)論編譯如下。

遷移學(xué)習(xí)工具包通過(guò)允許開(kāi)發(fā)人員微調(diào) NVIDIA 提供的特定領(lǐng)域的預(yù)訓(xùn)練模型來(lái)抽象和加速深度學(xué)習(xí)訓(xùn)練，而不是從頭開(kāi)始花大量時(shí)間來(lái)從零開(kāi)始（說(shuō)明一下，「從零開(kāi)始」這個(gè)詞很重要，它是遷移學(xué)習(xí)最關(guān)鍵的特點(diǎn)）構(gòu)建深層神經(jīng)網(wǎng)絡(luò)。預(yù)訓(xùn)練模型加速了開(kāi)發(fā)人員的深度學(xué)習(xí)訓(xùn)練過(guò)程，并且減少了大規(guī)模數(shù)據(jù)收集、標(biāo)記和從零開(kāi)始訓(xùn)練模型相關(guān)的成本。

「遷移學(xué)習(xí)」意味著可以從現(xiàn)有神經(jīng)網(wǎng)絡(luò)中提取已學(xué)習(xí)特征，并通過(guò)從現(xiàn)有神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移權(quán)重來(lái)遷移這些已學(xué)習(xí)特征。NVIDIA 此次發(fā)布的遷移學(xué)習(xí)工具包是一個(gè)基于 Python 的工具包，它使開(kāi)發(fā)人員能夠利用 NVIDIA 預(yù)先訓(xùn)練好的模型，并為開(kāi)發(fā)人員提供技術(shù)支持，通過(guò)重新訓(xùn)練讓模型適應(yīng)新的網(wǎng)絡(luò)，來(lái)添加他們自己的數(shù)據(jù)以使神經(jīng)網(wǎng)絡(luò)更加智能。工具包具備的簡(jiǎn)單添加、修剪和重新訓(xùn)練網(wǎng)絡(luò)的能力，提高了深度學(xué)習(xí)訓(xùn)練流程的效率和準(zhǔn)確性。

主要功能

在特定任務(wù)上預(yù)訓(xùn)練完畢的、經(jīng)過(guò)優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)模型已經(jīng)打包在內(nèi)

用于計(jì)算機(jī)視覺(jué)相關(guān)對(duì)象分類、檢測(cè)場(chǎng)景的示例應(yīng)用程序

在復(fù)雜的多 GPU 環(huán)境也可以輕松地模型適配和再訓(xùn)練

輕松修改配置文件，從添加新的類和特性到壓縮模型大小都可以支持

為 IVA 應(yīng)用程序在 NVIDIA DeepStream SDK 3.0 上部署的模型導(dǎo)出 API

用于部署在 NVIDIA Clara 平臺(tái)上的醫(yī)學(xué)成像應(yīng)用的模型導(dǎo)出 API

讓基于深度學(xué)習(xí)工作流的智能視頻分析變得可能

對(duì)于設(shè)計(jì)和集成智能視頻分析（IVA）端應(yīng)用程序（如停車管理、安全基礎(chǔ)設(shè)施、零售分析、物流管理和訪問(wèn)控制等）的開(kāi)發(fā)人員，NVIDIA 的遷移學(xué)習(xí)工具包提供了端到端的深度學(xué)習(xí)工作流，可以加速深度學(xué)習(xí)訓(xùn)練，并在 TeslaGPU 上使用 DeepStream SDK 3.0 進(jìn)行部署。這些模型針對(duì) IVA 特定參考使用場(chǎng)景（如檢測(cè)和分類）進(jìn)行了全面地訓(xùn)練。

用于 IVA 的遷移學(xué)習(xí)工具包中已經(jīng)包括了下面這些預(yù)訓(xùn)練的圖像分類與目標(biāo)檢測(cè)模型：

醫(yī)學(xué)影像的端到端深度學(xué)習(xí)流程

醫(yī)學(xué)影像的遷移學(xué)習(xí)工具包提供醫(yī)學(xué)影像特有的預(yù)訓(xùn)練模型，以及諸如與 AI 輔助注釋 SDK 集成以加速醫(yī)學(xué)圖像的標(biāo)注的額外功能，從而允許開(kāi)發(fā)人員使用 AI 輔助標(biāo)記功能。NVIDIA 研究人員開(kāi)發(fā)的三維腦腫瘤分割模型贏得了 2018 年多模態(tài)腦腫瘤分割挑戰(zhàn)賽的第一名。BraTS 專注于評(píng)估在多模態(tài) MRI 掃描中用于分割腦腫瘤的最新方法。BraTS 2018 利用多機(jī)構(gòu)術(shù)前 MRI 掃描，并著重于對(duì)內(nèi)在異質(zhì)性（外觀、形狀和組織學(xué)）腦腫瘤的分割。NVIDIA 醫(yī)學(xué)成像遷移學(xué)習(xí)工具包附帶了這個(gè)由 NVIDIA 內(nèi)部研究人員開(kāi)發(fā)的獲獎(jiǎng)的腦腫瘤分割模型，以及用于肝臟病變分割、脾臟分割等其他預(yù)訓(xùn)練模型。NVIDIA 的醫(yī)學(xué)成像端到端深度學(xué)習(xí)工作流允許開(kāi)發(fā)人員使用遷移學(xué)習(xí)工具包來(lái)加速深度學(xué)習(xí)訓(xùn)練并使用 Clara 平臺(tái)進(jìn)行部署。