如何快速成为图像识别大神？英伟达专家带你低门槛、高效实现AI模型训练与部署 | 英伟达CV公开课...

位来 发自 凹非寺
量子位 编辑 | 公众号 QbitAI

图像识别技术是人工智能研究的一个重要分支，也是人们日常生活、工作中应用最广泛的AI技术之一。如车辆识别、人脸识别、体态识别等技术，广泛应用于智慧城市、交通、零售、文娱等领域。

图像识别也是机器人、无人驾驶等技术的重要基础，未来将具有更加广泛的应用领域。

但对于大部分AI开发者来说，图像识别从算法研究、模型训练到规模化的提供服务，所需卷入的资源和处理的流程非常之多。并且如何保证数据质量、提高推理速度、提升识别精度等都面临很多挑战。

那么，开发者如何才能减少模型训练、调优所需时间？如何降低数据收集、标注成本？如何便捷、大规模部署AI模型？

迁移学习便是一种重要方式。

英伟达迁移学习工具包—TLT3.0提供了AI/DL框架的现成接口，使开发者能够更快地构建模型，而不需要编码；可以降低大规模数据收集、标记的相关成本，并降低训练模型的消耗。NVIDIA开源软件Triton Inference Server能够简化AI模型在生产中的大规模部署，开发者可以利用任何框架(TensorFlow, TensorRT, PyTorch, ONNX，或自定义框架) 部署训练好的AI模型。

为了让更多AI开发者快速上手TLT工具包，量子位联合NVIDIA发起3期线上CV公开课，从理论到实践，通过实例展示搭建和部署车辆信息识别系统、（面部）情感识别系统、手势识别系统，带大家低门槛、快速学习AI模型的训练、加速与应用部署。

文末附报名方式，欢迎人工智能从业者、有AI开发需求的小伙伴报名参与。

课程亮点

降低门槛，初级开发者也能快速上手

整合资源，降低数据收集、标注成本，简化部署流程

快速搭建，提供AI/DL框架的现成接口，无需编码

课程介绍

第1期：快速搭建基于Python的车辆信息识别系统

利用最新的NVIDIA Transfer Learning Toolkit 3.0 和 Deepstream 快速搭建车辆信息识别系统。

时间：5月19日（周三），20:00-21:30

内容大纲：

• 介绍Transfer Learning Toolkit 3.0的最新特性

• 利用Transfer Learning Toolkit 丰富的预训练模型库，快速训练属于自己的模型

• 直接利用Transfer Learning Toolkit 的预训练模型和Deepstream部署您自己的应用