Nvidia发布迁移学习工具组件，多种新预训练模型要加速企业部署AI

Nvidia推出迁移学习工具组件TLT 3.0，内置多种新版预训练模型，范围包括计算机视觉和自然语言领域，像是车牌识别、心率监测、情绪识别、人脸特征点和语音识别等，要来加速企业采用AI的过程。

进一步来说，预训练模型和迁移学习能降低AI模型的开发门槛，用户不必从零开始大规模收集训练资料、标注资料，而是以少量资料来微调预训练模型即可。因此，Nvidia表示，自家迁移学习工具组件可加速企业采用AI的时间，并对刚进入计算机视觉和语音服务的企业来说，不必依赖庞大的AI团队，也能使用部署生产级的AI。

TLT 3.0包含的预训练模型有2大类，一是计算机视觉，新版特色包括比热门姿势预测模型OpenPose推论速度快9倍、支持边缘即时推论的BodyPostNet模型，还有用来侦测人员的语义分割网络PeopleSemSegNet，以及车牌侦测和识别、手势侦测、情绪识别、人脸特征点等。 （如下图）

另一类是自然语言相关的对话式AI，新版特色有全新的语音识别模型CitriNet、用于问答的新模型Megatron Uncased，以及数款可支持语音转文本、命名实体识别(Named-entity recognition)、标点符号和文本分类的预训练模型。

Nvidia指出，这些AI模型都可免费从Nvidia云计算平台目录NGC上下载，也能在公有云平台上训练这些预训练模型，像是AWS、GCP和Azure。Nvidia也补充，TLT 3.0是自家AI开发平台TAO的重要组件，甚至可缩短10倍开发时间。