英伟达给你工具，用Python识别车辆信息

数据、算法和计算力是推动人工智能发展的三大要素。随着高性能 GPU、TPU 的出现，人们正在将 AI 技术的利用推向极致。

近年来，AI 模型不断突破性能的上限，在解决问题的能力变得更强的同时，体量也越做越大。这导致了训练成本的不断攀升，训练过程也变得更加复杂，对于很多开发者和小型企业来说，也是一种「不能承受之重」。

今年，英伟达发布了人工智能模型适应平台NVIDIA TAO（Train, Adapt, and Optimize）。这是一个可以简化和加速企业 AI 应用和服务创建的 AI 模型快速开发平台。

NVIDIA TAO 通过基于用户界面的指导性工作流程，让用户可以使用自定义数据对预训练模型进行微调，无需掌握大量训练运行和深度 AI 专业知识，在数小时内（原本需要数月）产生高度精确的计算机视觉、语音和语言理解模型。

TAO 平台汇集了加速模型适应过程所需的各种 NVIDIA 技术，使用的是对用户完全抽象化的 TensorFlow 和 PyTorch 框架。用户通过书面规范文件操作 TAO 工具套件，无需学习 DL 框架。

为了深入了解和快速上手NVIDIA TAO，加速模型训练、优化过程，英伟达联合机器之心推出 「详解NVIDIA AI模型快速开发平台TAO」 三期线上分享，通过英伟达专家的理论解读和实战经验分享，向读者展示如何使用 TAO快速完成模型的训练、适应和优化，加速企业 AI 应用和服务创建。

12月14日，系列分享第三期：

快速搭建基于Python的车辆信息识别系统——利用最新的 NVIDIA TAO Toolkit 和 Deepstream 快速搭建车辆信息识别系统

从零开始创建一个 AI 模型来解决一个业务问题通常会花费大量的时间与精力。迁移学习是一种流行的技术，可以用来从现有的神经网络模型中提取学习到的特征到新的模型中。NVIDIA TAO Toolkit 是一个AI工具包，它提供了 AI/DL 框架的现成接口，能够更快地构建模型，而不需要编码。

DeepStream 是一个用于构建人工智能应用的流媒体分析工具包。它采用流式数据作为输入，并使用人工智能和计算机视觉理解环境，将像素转换为数据。DeepStream SDK 可用于构建视觉应用解决方案，用于智能城市中的交通和行人理解、医院中的健康和安全监控、零售中的自助检验和分析、制造厂中的组件缺陷检测等。

本次系列分享嘉宾是 NVIDIA 企业级开发者社区经理何琨，他拥有多年的 GPU 和人工智能开发经验。自 2017 年加入 NVIDIA 开发者社区以来，完成过上百场培训，帮助上万个开发者了解人工智能和 GPU 编程开发。在计算机视觉，高性能计算领域完成过多个独立项目。并且，在机器人和无人机领域，有过丰富的研发经验。对于图像识别，目标的检测与跟踪完成过多种解决方案。曾经参与 GPU 版气象模式 GRAPES，是其主要研发者。

直播时间：北京时间12月14日19:30-21:00

分享摘要：

• 介绍TAO Toolkit的独到特性；
  

• 介绍NVIDIA Deepstream 的最新特性；

• 利用TAO 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TAO Toolkit的预训练模型和Deepstream部署您自己的应用；

• 本次示例将完成对车辆车牌的检测和识别，并对行人以及车辆的品牌，颜色，种类进行检测。
  

直播间地址：

https://jmq.h5.xeknow.com/s/2pbXsd（点击阅读原文直达）

报名方式：进入直播间——移动端点击底部「观看直播」、PC端点击「立即学习」——填写报名表单后即可进入直播间观看。

直播交流群：每次课程均有答疑环节，识别下方二维码加入交流群。

如群已超出人数限制，请添加其他小助手：syncedai2、syncedai3、syncedai4 或 syncedai5，备注「TAO」即可加入。

点击阅读原文，立即报名。