不要在危险的边缘试探,AI内容分析如何做到快、准、狠?

原创 admin  2019-01-18 03:56 
关于深度学习,很多人至今仍然认为这是泡沫,但是事实却是,深度学习作为一种技术手段,在诸多领域中解决了很多传统机器学习方法难以解决的问题。  

在人工智能快速落地的今天,线上的流量不断扩大,人们对线上内容进行实时分析的需求也在与日俱增,许多开发者开始选择深度学习技术来进行相关内容的实时分析。但是这其中有一个问题,因为人工智能的运行本就对于硬件资源的消耗非常大,如果在此基础上还要对是实时展现的内容进行分析,对计算资源的要求只会更多。

目前 NVIDIA GPU 已经成为了全球范围内应用最广泛的人工智能计算平台,除了在 GPU 硬件上的不断改进设计并提升芯片的处理能力之外,也需要一套框架来辅助进行在线内容的实时分析。DeepStream 就是具有这样功能的一套框架,它可以充分利用 GPU 上的硬件编解码资源以及通用计算资源,极大简化并加快了图引擎对图片解码的速度。

DeepStream 通过为开发者提供一个完整的在线内容实时分析框架,来帮助开发者进行多样式的、大规模的基于 AI 部署的实时内容分析。开发者可以使用 DeepStream 来实时处理、理解并归类相关在线内容,以满足最严苛的吞吐与延迟的需求。

无论是通过创建并行多流处理方案来加速多媒体的图像处理进程,或者是通过实时处理、理解并归类相关在线内容来实现大吞吐量的需求,DeepStream 可以集成在你正在开发的任何性质的应用程序中,帮助开发者快速实现上述的目标。

现在你就有这么一个能够切身体验到 DeepStream 性能特点以及实例展示的机会,届时最权威的 NVIDIA 技术专家将带你深入到深度学习的技术中来,以案例的形式为你展现 DeepStream 的使用全过程。

课程时间 & 形式

2019 年 1 月 23 日 (周三)晚 19:30-21:30

warm up:19:30pm-20:00pm

talk live:  20:00pm-21:00pm

Q&A:      21:00pm-21:30pm

本次课程将全程在线直播,通过「阅读原文」即可免费报名,后续获取相应课程链接。

课程大纲

本次课程将会系统介绍 TensorRT 的开发细节以及 DeepStream 的性能特点,帮助你更加全面了解 TensorRT 与DeepStream,从而进一步优化计算推算成本,优化现有 AI 架构,课程大纲包括:

TensorRT 的开发方法细节

TensorRT 和 TensorFlow 的集成开发方法

Deepstream 的性能特点以及开发使用

Deepstream 的实例展示

备注:NVIDIA Deepstream SDK 是为大规模创建和部署基于 AI 的视频分析应用程序解决方案而设计的,它提供完整的框架和所有基本构建模块。

如何报名

扫描二维码

或点击下方阅读原文即可报名参加,报名成功后请关注邮箱,会务组将在报名成功后给您发送开课提醒和直播链接。

如何参与直播

扫描二维码添加 Tango 酱微信

微信号:Tango2018cc

备注 NVIDIA,Tango 酱将同步您会议信息并拉您进入直播群

本文地址:http://www.17xiuwang.com/2019/01/18/%e4%b8%8d%e8%a6%81%e5%9c%a8%e5%8d%b1%e9%99%a9%e7%9a%84%e8%be%b9%e7%bc%98%e8%af%95%e6%8e%a2%ef%bc%8cai%e5%86%85%e5%ae%b9%e5%88%86%e6%9e%90%e5%a6%82%e4%bd%95%e5%81%9a%e5%88%b0%e5%bf%ab%e3%80%81%e5%87%86/
关注我们:请关注一下我们的微信公众号:扫描二维码,公众号:aiboke112
版权声明:本文为原创文章,版权归 admin 所有,欢迎分享本文,转载请保留出处!

发表评论


表情