近年来,无论是视频分析、医疗、物流、零售还是工业自动化领域,人们对自主机器的大规模需求正在增加。在这个过程中,要如何实现大规模的AI自主机器?如何使机器人完成更多新的任务?如何进行智能视频分析的边缘部署?
随着自主机器在生活中越发常见,你是否仍然对其了解有限,太多疑问仍然在脑海中挥之不去?
现在,正是你一一解开这些谜题的时候!
于硅谷时间3月24日(北京时间今晚)开启的GTC DIGITAL 2020上,诸多行业大咖将就AI嵌入式设备、机器人及智能视频分析等领域进行深入探讨。让我们一起来看看其中的部分演讲相关信息吧!
如何实现大规模的 AI 自主机器?
NVIDIA Jetson系列支持从开发到部署无缝衔接的统一软件堆栈,并拥有促进产品快速上市的强大生态系统,可谓革新了自主机器新纪元。
NVIDIA高级产品经理Amit Goel将详细阐述最新的应用案例和产品路线图,为你提供AI自主机器规模化的实战指导。
如何通过深度学习帮助机器人完成新任务?
目前,尽管深度学习推动了包括计算机视觉和自然语言处理在内新应用的落地,但它仍未能帮助物理机器人去完成更多新任务。
达姆施塔特工业大学研究员Michael Lutter将详细介绍机器人领域发展的挑战,以及将深度学习应用于机器人的可能性。同时他还会重点强调领域知识约束深度网络的重要性。除了将其应用于机器人技术外,领域知识和深度学习相结合的概念也适用于其他工程学科和自然科学。
如何对智能视频分析进行边缘部署?
Google Cloud将带来有关AutoML Edge Video的演讲,这是一项基于NVIDIA GPU的解决方案。利用AutoML Edge Video,用户可以使用Google的AutoML训练自定义模型,而无需了解如何调整参数。
Google软件工程师Wang Yongzhe将重点介绍视频分类和视频对象追踪的端到端解决方案。为了训练一个模型,Google Cloud平行使用了多个NVIDIA GPU进行超参数调优和转移学习,使他们得以迅速返回高性能模型。同时,演讲将展示如何使用冻结的Tensorflow图将模型导出到边缘,以及如何充分利用包括Jetson、Tesla T4在内的NVIDA GPU使其发挥最大价值。
除以上之外,如果你还想要了解更多GTC DIGITAL 2020上有关自主机器的相关信息,请戳“了解更多”。
閱讀更多 英偉達NVIDIA中國 的文章