瞭解電腦視覺、對話式人工智慧、推薦系統等領域的未來發展。
和我們一起線上參與 GTC 2021,瞭解深度學習與人工智慧應用程式的最新突破。我們邀請到來自各領先領域及業界的頂尖講者,並將帶來技術展示等各項精彩活動。敬請密切留意更多資訊。
請於此處瀏覽完整的 GTC 隨選播放清單。
瞭解為加速推論 API 客戶在 GPU 上提供 Transformer 模型時,Hugging Face 的加速狀況。
本演講將介紹開放原始碼自動微分框架 GTN,這項框架能讓人工智慧研究人員與工程師更有效地訓練以圖表為主的機器學習模型。
本演講將介紹開放原始碼 Spark NLP 函式庫,該函式庫能為語言理解締造絕佳準確度、速度與擴充性,並為一些深度學習與遷移學習領域的最新研究實現生產級實作。
本演講將說明為何需要對話式團隊和真實使用者的資料與見解,並以獨特的做法產生在真實世界狀況中更具彈性的助理。
深入探討進階對話式人工智慧系統的架構,瞭解如何在多功能虛擬助理中管理對話策略。
想瞭解 GPU 驅動的深度學習和最先進的自然語言理解技術嗎? 本演講將介紹自動可解釋的詐欺偵測系統 LexIQal,該系統會自動偵測詐欺行為,以支援保險和金融服務的遠端操作者。
我們會示範如何用 Dask、NVTabular 和 TensorFlow 擴充 GPU 加速的端對端訓練流程,以便處理表格式資料 (TabNets) 適用的大型注意力神經網路。
我們會說明騰訊如何用 NVIDIA Merlin 部署真實廣告推薦訓練,並在相同的 GPU 平台上,將原始騰訊解決方案的速度提升 7 倍以上。
在本演講中,我們會說明如何用 cuDF 與 Dask-cuDF 建構互動式模型評估系統,以便大幅降低在離線環境中評估推薦系統的時間。
我們會分享 NVIDIA Merlin 框架如何加速 GPU 上的推薦系統、加速常見的提取、轉換、載入 (ETL) 工作、模型訓練,以及用比常見方法快上 10 倍的速度提供推論服務。
在本演講中,我們會介紹由 GPU 工作流程驅動的工業推薦系統現代技術。我們也會稍加介紹反事實學習技術的背景,並根據我們的工業應用程式提供實用資訊與資料。
瞭解用 GPU 在 Facebook 上訓練大規模推薦模型的成效與挑戰。
見識團隊的影片背景替換成果,在 60 fps 的 HD 影片中達成最先進的去背效果,以及透過定位功能消除雜音,打造純粹的音訊揚聲器分離效果。
我們會用可變形四面體網格 (DefTet) 作為特定參數化,用立體四面體網格解決機器學習與電腦繪圖技術中遇到的學習 3D 重建問題。
我們會介紹幾種近期方法與框架,在減少監督的前提下促進場景理解,包括模擬輔助方法、自我監督式、低度監督式和半監督式等。
我們會介紹一種適用於機器學習開發的新式快速迭代循環,這種循環可產生大量合成資料集,且可用 NVIDIA GPU 及 Unity 於雲端訓練。
瞭解如何設計可在 NVIDIA GPU 上有效擴展的卷積神經網路。我們會對 ResNet 的各種變體 (例如 T-ResNet 及 ResNet - B、C、D) 以及如何運用它們執行影像辨識進行案例研究。
首先,我們會收集高解析度航空圖像,再用深度學習密度估計法數算並定位田裡開花的鳳梨植株,如此便能準確投放化學藥劑,減少浪費。其次,我們會用玉米和大豆田的縱向航空圖像偵測並預測養分缺乏壓力指數。