NVIDIA 數(shù)據(jù)加載庫(kù)（DALI）是一個(gè)可移植的開(kāi)源庫(kù)，專(zhuān)用于解碼及增強(qiáng)圖像、視頻和語(yǔ)音，從而加速深度學(xué)習(xí)應(yīng)用。

什么是 NVIDIA 數(shù)據(jù)加載庫(kù)（DALI）？

NVIDIA 數(shù)據(jù)加載庫(kù)（DALI）是一個(gè)可移植的開(kāi)源庫(kù)，專(zhuān)用于解碼及增強(qiáng)圖像、視頻和語(yǔ)音，從而加速深度學(xué)習(xí)應(yīng)用。DALI 通過(guò)重疊執(zhí)行訓(xùn)練和預(yù)處理來(lái)減少延遲和訓(xùn)練時(shí)間，從而減輕瓶頸影響。DALI 可直接嵌入并替代熱門(mén)深度學(xué)習(xí)框架中內(nèi)置的數(shù)據(jù)加載程序和數(shù)據(jù)迭代器，由此實(shí)現(xiàn)輕松集成或重新遷至不同框架。

使用圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)，開(kāi)發(fā)者首先要將這些圖像標(biāo)準(zhǔn)化。而且，通常還需壓縮圖像以節(jié)省存儲(chǔ)空間。為此，開(kāi)發(fā)者構(gòu)建了多階段數(shù)據(jù)處理工作流，其中包括加載、解碼、裁剪、調(diào)整大小以及許多其他增強(qiáng)運(yùn)算符。這些當(dāng)前在 CPU 上執(zhí)行的數(shù)據(jù)處理工作流已成為瓶頸，限制了整體吞吐量。

DALI 擁有高性能，對(duì)于內(nèi)置的數(shù)據(jù)加載程序和數(shù)據(jù)迭代器而言，是一款出色的替代方案。開(kāi)發(fā)者現(xiàn)可在 GPU 上運(yùn)行數(shù)據(jù)處理工作流，從而減少訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需的總時(shí)間。使用 DALI 實(shí)現(xiàn)的數(shù)據(jù)處理工作流具有可移植性，因?yàn)樗鼈兡軌蜉p松地重新遷至 TensorFlow、PyTorch 和 MXNet。

DALI 的主要特性

簡(jiǎn)單易用的 Python API

可跨多個(gè) GPU 透明擴(kuò)展

加速圖像分類(lèi)（ResNet-50）、物體檢測(cè)（SSD）工作負(fù)載和語(yǔ)音識(shí)別模型（例如 Jasper 和 RNN-T）

靈活的圖形助力開(kāi)發(fā)者創(chuàng)建自定義工作流

支持多種數(shù)據(jù)格式：LMDB、RecordIO、TFRecord、COCO、JPEG、wav、flac、ogg、H.264 和 HEVC

開(kāi)發(fā)者可添加自定義音頻、圖像和視頻處理運(yùn)算符

審核編輯：湯梓紅