91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

Two-i根據算法對 NVIDIA 預訓練模型進行基準測試

NVIDIA英偉達企業(yè)解決方案 ? 來源:NVIDIA英偉達企業(yè)解決方案 ? 作者:NVIDIA英偉達企業(yè)解 ? 2021-12-15 09:43 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

四年前,當 Julien Trombini 和 Guillaume Cazenave 創(chuàng)立視頻分析初創(chuàng)公司 Two-i 時,他們有一個雄心勃勃的目標:有一天能夠監(jiān)控城市的道路、垃圾收集和其他公共服務,從而提高城市生活質量。

在創(chuàng)業(yè)的過程中,這對搭檔發(fā)現(xiàn)了一個完全不同的利基市場。今天,該公司結合了計算機視覺、數據科學和深度學習的技術,正在幫助防止石油和天然氣行業(yè)發(fā)生致命事故,石油和天然氣行業(yè)是世界上最危險的行業(yè)之一。

最初,Trombini 和 Cazenave 設想了一個系統(tǒng),使市政領導人能夠看到整個城市需要改進的地方。

“這個系統(tǒng)就像是一張城市的氣象圖,我們制定了有效衡量的標準?!?Two-i 董事長 Trombini 說。Two-i 是 NVIDIA Metropolis 的合作伙伴,坐落于法國東北部歷史名城 Metz 。

事實證明,這是一項艱巨的任務,因此兩人重新將重點放在了特定的設施上,如體育場、養(yǎng)老院和中轉站,在這些設施上,其技術有助于安全和事故檢測。例如,當養(yǎng)老院的居民在走廊跌倒時,或者當使用輪椅的過境乘客因電梯損壞而無法登上火車時,它可以提醒適當的聯(lián)系人。

最近,埃克森美孚與該公司接洽,希望幫助解決一個潛在的致命問題:提高開放式油罐周圍工人的安全。

Two-i 與這家能源巨頭一起創(chuàng)建了一個支持 AI 的視頻分析應用程序,用于檢測個人何時接近危險區(qū)域和跌倒風險,并立即提醒其他人采取快速行動。在最初幾個月的運行中,視覺人工智能系統(tǒng)防止了兩起事故的發(fā)生。

雖然這個用例非常具體,但該公司的 AI 架構旨在靈活支持許多不同的算法和功能。

“這些算法與我們用于不同客戶的算法完全相同,”Trombini 說?!斑@是相同的技術,但包裝方式不同?!?/p>

充分利用視覺人工智能

Two-i 的靈活性源于它對 NVIDIA Metropolis 平臺的依賴,該平臺可以用于支持 AI 的視頻分析應用程序,利用先進的工具并采用全棧方法。

因此,它也依賴于各種 NVIDIA 認證系統(tǒng),使用基于高性能 NVIDIA Ampere 架構的最新工作站和數據中心 GPU,用于訓練和推理。為了進一步縮短訓練時間,Two-i 希望在強大的 NVIDIA A100 GPU 上測試其龐大的圖像數據集。

該公司希望經常升級其 GPU,以確保為客戶提供盡可能快的解決方案,無論有多少攝像頭向其系統(tǒng)提供數據。

“我們可以節(jié)省的時間至關重要,硬件越好,結果就越準確,我們就可以更快地進入市場,”Trombini 說。

Two-i 利用 CUDA 11.1 工具包和 cuDNN 8.1 庫來支持其深度學習過程,并利用 NVIDIA TensorRT 來加速推理吞吐量。

Trombini 說 NVIDIA 技術中最引人注目的部分之一是 NVIDIA TAO 工具套件,它可以幫助公司在修補算法的同時降低成本。

“算法越重,成本就越高,”他說?!拔覀兪褂?TAO 工具套件來削減算法并使它們更適合任務。”

例如,使用 NVIDIA TAO 工具套件(一種基于 CLI 和 Jupyter Notebook 的 NVDIA 訓練、適應和優(yōu)化框架的人工智能模型適應平臺)將最初需要長達兩周的訓練時間縮短為三天。

Two-i 還開始根據其算法對 NVIDIA 的預訓練模型進行基準測試,并開始使用 NVIDIA DeepStream SDK 來增強其視頻分析工作流程。

以成功為基礎

Two-i 將其在各種環(huán)境中解決復雜問題的能力(例如對于??松梨冢┮暈榛氐狡渥畛醯闹腔鄢鞘性妇暗奶?。

現(xiàn)在,Two-i 已經監(jiān)控了八個歐洲城市的所有道路,分析交通流量并了解汽車的來源和去向。

Trombini 認識到,為了實現(xiàn)公司的長期目標,Two-i 必須專注于實現(xiàn)一個又一個的效益。

“雖然進展緩慢,但我們已經開始實施我們的愿景。”Trombini 說。

原文標題:為了追求智慧城市的愿景,初創(chuàng)公司Two-i將人工智能應用于工人安全

文章出處:【微信公眾號:NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉載請注明出處。

審核編輯:彭菁
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • NVIDIA
    +關注

    關注

    14

    文章

    5602

    瀏覽量

    109834
  • AI
    AI
    +關注

    關注

    91

    文章

    39985

    瀏覽量

    301622
  • 人工智能
    +關注

    關注

    1818

    文章

    50127

    瀏覽量

    265648

原文標題:為了追求智慧城市的愿景,初創(chuàng)公司Two-i將人工智能應用于工人安全

文章出處:【微信號:NVIDIA-Enterprise,微信公眾號:NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    NVIDIA推出代理式AI藍圖與電信推理模型

    借助全新開源大型電信模型NVIDIA Blueprint,電信運營商能夠利用自有數據訓練 AI 智能體,構建自主網絡。
    的頭像 發(fā)表于 03-06 17:37 ?2854次閱讀

    NVIDIA推動面向數字與物理AI的開源模型發(fā)展

    NVIDIA 發(fā)布一系列涵蓋語音、安全與輔助駕駛領域的全新 AI 工具,其中包括面向移動出行領域的行業(yè)級開源視覺-語言-動作推理模型(Reasoning VLA) NVIDIA DRIVE Alpamayo-R1。此外,一項新的
    的頭像 發(fā)表于 12-13 09:50 ?1361次閱讀

    利用NVIDIA Cosmos開放世界基礎模型加速物理AI開發(fā)

    NVIDIA 最近發(fā)布了 NVIDIA Cosmos 開放世界基礎模型(WFM)的更新,旨在加速物理 AI 模型測試與驗證數據生成。借助
    的頭像 發(fā)表于 12-01 09:25 ?1174次閱讀

    在Ubuntu20.04系統(tǒng)中訓練神經網絡模型的一些經驗

    , batch_size=512, epochs=20)總結 這個核心算法中的卷積神經網絡結構和訓練過程,是用來對MNIST手寫數字圖像進行分類的。模型將圖像作為輸入,通過卷積和池化
    發(fā)表于 10-22 07:03

    NVIDIA開源Audio2Face模型及SDK

    NVIDIA 現(xiàn)已開源 Audio2Face 模型與 SDK,讓所有游戲和 3D 應用開發(fā)者都可以構建并部署帶有先進動畫的高精度角色。NVIDIA 開源 Audio2Face 的訓練
    的頭像 發(fā)表于 10-21 11:11 ?852次閱讀
    <b class='flag-5'>NVIDIA</b>開源Audio2Face<b class='flag-5'>模型</b>及SDK

    借助NVIDIA Megatron-Core大模型訓練框架提高顯存使用效率

    隨著模型規(guī)模邁入百億、千億甚至萬億參數級別,如何在有限顯存中“塞下”訓練任務,對研發(fā)和運維團隊都是巨大挑戰(zhàn)。NVIDIA Megatron-Core 作為流行的大模型
    的頭像 發(fā)表于 10-21 10:55 ?1175次閱讀
    借助<b class='flag-5'>NVIDIA</b> Megatron-Core大<b class='flag-5'>模型</b><b class='flag-5'>訓練</b>框架提高顯存使用效率

    借助NVIDIA Cosmos模型提升機器人訓練效率

    隨著物理 AI 系統(tǒng)的不斷發(fā)展,對豐富標記數據集的需求正在急速增長,已經超出了在現(xiàn)實世界中通過人工采集所能滿足的范圍。世界基礎模型(WFMs)是經過訓練的生成式 AI 模型,能夠根據現(xiàn)
    的頭像 發(fā)表于 09-23 15:30 ?1034次閱讀
    借助<b class='flag-5'>NVIDIA</b> Cosmos<b class='flag-5'>模型</b>提升機器人<b class='flag-5'>訓練</b>效率

    模板驅動 無需訓練數據 SmartDP解決小樣本AI算法模型開發(fā)難題

    算法作為軟實力,其水平直接影響著目標檢測識別的能力。兩年前,慧視光電推出了零基礎的基于yolo系列算法架構的AI算法開發(fā)平臺SpeedDP,此平臺能夠通過數據驅動模型
    的頭像 發(fā)表于 09-09 17:57 ?1418次閱讀
    模板驅動  無需<b class='flag-5'>訓練</b>數據  SmartDP解決小樣本AI<b class='flag-5'>算法</b><b class='flag-5'>模型</b>開發(fā)難題

    基于大規(guī)模人類操作數據訓練的VLA模型H-RDT

    近年來,機器人操作領域的VLA模型普遍基于跨本體機器人數據集訓練,這類方法存在兩大局限:不同機器人本體和動作空間的差異導致統(tǒng)一訓練困難;現(xiàn)有大規(guī)模機器人演示數據稀缺且質量參差不齊。得
    的頭像 發(fā)表于 08-21 09:56 ?1116次閱讀
    基于大規(guī)模人類操作數據<b class='flag-5'>預</b><b class='flag-5'>訓練</b>的VLA<b class='flag-5'>模型</b>H-RDT

    如何進行YOLO模型轉換?

    我目前使用的轉模型代碼如下 from ultralytics import YOLOimport cv2import timeimport nncaseimport# 加載訓練的YOLO模型
    發(fā)表于 08-14 06:03

    利用NVIDIA Cosmos模型訓練通用機器人

    機器人領域的一大核心挑戰(zhàn)在于如何讓機器人掌握新任務,而無需針對每個新任務和環(huán)境耗費大量精力收集和標注數據集。NVIDIA 的最新研究方案通過生成式 AI、世界基礎模型(如 NVIDIA Cosmos
    的頭像 發(fā)表于 08-05 16:22 ?2124次閱讀
    利用<b class='flag-5'>NVIDIA</b> Cosmos<b class='flag-5'>模型</b><b class='flag-5'>訓練</b>通用機器人

    龍芯中科與文心系列模型開展深度技術合作

    ”解決方案。 強強聯(lián)合!自主架構賦能大模型訓練 文心大模型 文心4.5系列模型均使用飛槳深度學習框架進行高效
    的頭像 發(fā)表于 07-02 16:53 ?1369次閱讀

    NVIDIA GTC巴黎亮點:全新Cosmos Predict-2世界基礎模型與CARLA集成加速智能汽車訓練

    。這種向使用大模型的過渡大大增加了對用于訓練、測試和驗證的高質量、基于物理學傳感器數據的需求。 為加速下一代輔助駕駛架構的開發(fā),NVIDIA 發(fā)布了?
    的頭像 發(fā)表于 06-12 10:00 ?1114次閱讀

    ServiceNow攜手NVIDIA構建150億參數超級助手

    Apriel Nemotron 15B 開源大語言模型 (LLM) 使用 NVIDIA NeMo、NVIDIA Llama Nemotron 開放數據集以及 ServiceNow 專業(yè)領域數據創(chuàng)建而成,并在
    的頭像 發(fā)表于 05-12 15:37 ?938次閱讀

    用PaddleNLP為GPT-2模型制作FineWeb二進制訓練數據集

    作者:算力魔方創(chuàng)始人/英特爾創(chuàng)新大使劉力 《用PaddleNLP在4060單卡上實踐大模型訓練技術》發(fā)布后收到讀者熱烈反響,很多讀者要求進一步講解更多的技術細節(jié)。本文主要針對大語言模型
    的頭像 發(fā)表于 03-21 18:24 ?4340次閱讀
    用PaddleNLP為GPT-2<b class='flag-5'>模型</b>制作FineWeb二進制<b class='flag-5'>預</b><b class='flag-5'>訓練</b>數據集