不需程式碼、AI 模型訓練佈署一條龍，AI 專案開發者需要知道的利器！NVIDIA Transfer Learning Toolkit 3.0 簡介
NVIDIA Transfer Learning Toolkit 簡稱為 TLT，據 NVIDIA 自稱是能把 AI 培訓速度提高 10 倍以上，並創建高準確度、高效特定領域 AI 模型的工具。最重要的是，用此工具訓練 AI 模型的過程不用寫任何的程式碼，但需要具運算效能的電腦以及一張 NVIDIA GPU。
名稱開門見山的 TLT 內包含了許多歷年來的 SOTA 經典預訓練模型，針對不同的十多種使用案例，共有數十多種模型像罐頭一般隨開即用，大大緩解了開發時的人力、時間資源。
模型範疇
TLT 內所包含的模型可分為電腦視覺、自然語言處理兩種種類。使用者可以直接取用這些預訓練模型，也可以使用自己的資料來 fine-tune，產生符合自己需求的模型權重。
電腦視覺模型
電腦視覺的範疇有多達 11 種使用案例的 AI 模型可作使用，分別為行人偵測、車牌偵測與辨識、車輛偵測與分類、凝視點估計、臉部特徵辨識、心率估計、手勢與情緒辨識、語意分割、文字辨識、物件偵測、圖片分類。
自然語言處理模型
自然語言處理共有 2 種使用案例，分別為語音辨識、自然語言處理。
模型選擇多元
每一個使用案例，都包含了數個不同的模型可作選擇，因此總計有數十個。甚至不同的模型的模型架構都是可抽換的，這樣大的彈性對開發者來說是很大的福音。
上圖：人物偵測的的使用案例共有4種模型可供選擇
下圖：模型皆有彈性變換架構
模型優化
TLT 可對訓練完的模型進行優化如剪枝、量化，實現訓練到佈署端到端的流程。經過剪枝、量化後的模型通常可以提升很多運行的效率，也是進行模型佈署前必經的過程。
總結
TLT 包含了許多不同用途的 AI 預訓練模型，使用者可以使用自己的資料，fine-tune TLT 當中多種多樣的預訓練模型。在模型訓練完畢後 TLT 也能就模型進行優化，確保其運行高效、便於佈署，於專案開發可以節省大量的人力、時間資源，是相當方便的工具。
TLT 教學系列
TLT 在我個人的專案開發當中起了相當大的作用，因此我未來也考慮透過製作 TLT 的免費系列教學來幫助也需要 TLT 來加快工作效率的開發者，如果對此話題有興趣的朋友，歡迎訂閱、追蹤我們，以獲得後續教學的資訊。