人工智能正在改變行業，實現流程自動化，并在快速發展的技術格局中為創新開辟新的機會。隨著越來越多的企業認識到將人工智能融入運營的價值，他們面臨著高效、有效和可靠地實施這些技術的挑戰
NVIDIA AI Enterprise 是一個綜合軟件套件，旨在幫助組織大規模實施企業級 AI 、機器學習（ ML ）和數據分析，并提供安全性、可靠性、 API 穩定性和企業級支持。
什么是 NVIDIA AI Enterprise ？
部署人工智能解決方案可能很復雜，需要專門的硬件和軟件，以及開發和維護這些系統的專業知識。 NVIDIA AI Enterprise 通過提供針對企業環境量身定制的工具、庫、框架和支持服務的完整生態系統來應對這些挑戰
憑借 GPU – 加速計算能力， NVIDIA AI Enterprise 使企業能夠更高效、更經濟高效地大規模運行人工智能工作負載。 NVIDIA AI Enterprise 建立在 NVIDIA CUDA -X AI 軟件棧之上，提供高性能 GPU 加速計算能力
套房包括：
- 虛擬機管理系統：預配置的虛擬機映像，包括必要的驅動程序和軟件，以支持主要云中的 GPU 加速 AI 工作負載。
- 人工智能框架：可以在 VMI 中運行的軟件（如 PyTorch 、 TensorFlow 、 RAPIDS 、支持 TensorRT 和 ONNX 的 NVIDIA Triton 等），作為人工智能開發和部署的基礎。
- 預訓練模：可以按原樣使用或根據企業相關數據進行微調的模型。
- 人工智能工作流：預先打包的參考示例，說明如何利用人工智能框架和預先訓練的模型來構建人工智能解決方案，以解決常見的業務問題。這些工作流程提供了關于微調預訓練模型和人工智能模型創建的指導，以建立在 NVIDIA 框架上。重點介紹了創建應用程序的管道，以及關于如何部署定制應用程序并將其與企業環境中常見的各種組件集成的意見，例如用于編排和管理、存儲、安全和網絡的軟件。可用的人工智能工作流包括：
- 智能虛擬助理：全天候提供聯絡中心協助，以降低運營成本。
- 音頻轉錄：基于 GPU 優化模型的世界級準確轉錄本。
- 數字指紋威脅檢測：網絡安全威脅檢測和警報優先級，以更快地識別和采取行動。
- 下一項預測：個性化產品推薦，提高客戶參與度和忠誠度。
- 路線優化：車輛和機器人路線優化，以減少行程時間和燃油成本。
支持的帶有發布分支的軟件
使用 NVIDIA AI Enterprise 中可用軟件的主要好處之一是，它得到了 NVIDIA 的支持，以安全性和穩定性為指導原則。 NVIDIA AI Enterprise 包括三個發布分支，以滿足不同行業和用例的不同需求：
- 最新發布分支：針對那些需要頂級軟件優化的用戶，該分支將每月發布一次，確保用戶能夠獲得最新的功能和改進。 CVE 補丁以及錯誤修復也將包含在前滾版本中。
- 生產發布處：該分支機構專為優先考慮 API 穩定性的環境設計，將每月收到 CVE 補丁和錯誤修復，每年推出兩個新分支機構，每個分支機構的使用壽命為 9 個月。為了確保無縫過渡和支持，兩個連續的生產分支機構之間將有 3 個月的重疊期。生產分支機構將于 2023 年下半年投入使用。
- 長期釋放處：該分支機構專為長期支持至關重要的高度監管行業量身定制，每季度將收到 CVE 補丁和錯誤修復，并為特定版本提供長達 3 年的支持。與這種長期穩定性互補的是 6 個月的重疊期，以確保版本之間的平穩過渡，從而為這些高度監管的行業提供所需的壽命和一致性。
如何將 NVIDIA AI Enterprise 與 Microsoft Azure 機器學習結合使用
Microsoft Azure Machine Learning是一個用于在云端和本地進行人工智能開發的平臺，提供用于訓練、實驗、部署和監控模型的服務，以及為大型語言模型設計和構建提示流的服務。Azure 機器學習是一個開放平臺，支持所有流行的機器學習框架和工具包，包括 NVIDIA AI Enterprise 的框架和工具包。
此次合作通過將 NVIDIA AI 軟件與 Azure 機器學習培訓和推理平臺集成，優化了運行 NVIDIA 人工智能軟件的體驗。用戶不再需要花費時間設置培訓環境、安裝軟件包、編寫培訓代碼、記錄培訓指標和部署模型。通過這種集成，用戶將能夠利用 NVIDIA 企業級軟件的強大功能，補充 Azure 機器學習的高性能和安全基礎設施，構建生產級人工智能工作流
要從今天開始，請執行以下步驟：
1 .登錄 Microsoft Azure 并啟動 Azure 機器學習工作室。
2 .從 NVIDIA AI 企業預覽注冊表中查看和訪問所有預構建的 NVIDIA 人工智能企業組件、環境和模型（圖 2 ）。
3 .在工作空間中使用這些資產，通過簡單的拖放在設計器中創建 ML 管道（圖 3 ）
在 Azure 機器學習注冊表中查找 NVIDIA AI Enterprise 示例資產。您可以在 NVIDIA_AI_Enterprise_AzureML GitHub 上查看預覽資產的代碼。
用例：身體姿勢估計
使用 NVIDIA AI 企業預覽注冊表中的各種元素非常容易。此示例展示了使用 NVIDIA DeepStream 進行身體姿勢估計的計算機視覺任務。NVIDIA TAO 工具包 提供了身體姿勢模型的基礎，以及使用新數據對其進行細化的能力。
圖 4 顯示了一個視頻分析管道示例，該示例運行 NVIDIA DeepStream 示例應用程序進行身體姿勢估計。它在 GPU 集群上運行，可以輕松調整以利用更新的模型和視頻，釋放 Azure 機器學習平臺的力量。
該示例包括為存儲 DeepStream 示例應用程序命令組件的輸入而創建的兩個基于 URI 的數據資產。數據資產利用了 NVIDIA AI Enterprise Registry 中現成的預訓練模型。它們還包括額外的校準和標簽信息。
DeepStream 身體姿勢命令組件配置為使用 Microsoft Azure blob 存儲。該組件會檢查輸入目錄中是否有需要推斷的新視頻文件。當發現新文件時，組件會拾取該文件并執行身體姿勢推斷。輸出的視頻中包含邊界框和跟蹤線，并存儲在輸出目錄中。
注冊表中提供的其他示例包括：
- 人體網
- 城市信號發生器
- 行車記錄儀
- 情緒化的
- fpenet
- 涼亭
- 手勢網
- lprnet
- 人民網
- 人民網
- 人民網
- 重新鑒定
- 零售對象檢測
- 零售_對象_認知
- 交通監控網
您可以通過基于 TAO 工具包的訓練管道對這些樣本中的每一個進行改進，該管道可以執行遷移學習，從而改變模型輸出以適應特定的用例。您可以在 NGC 上的 TAO Toolkit 計算機視覺樣本工作流 中找到它們。
開始在 Azure 機器學習上使用 NVIDIA AI Enterprise
NVIDIA AI Enterprise 和 Azure Machine Learning 共同打造了 GPU 加速計算和全面的基于云的機器學習平臺的強大組合，使企業能夠更高效地開發和部署 AI 模型。這種協同效應使企業能夠利用云資源的靈活性，同時利用 NVIDIA GPU 和軟件的性能優勢
要在 Azure 機器學習上使用 NVIDIA AI Enterprise，請注冊一個技術預覽版。這將使您能夠訪問 Azure 機器學習上 NVIDIA AI 企業預覽注冊表中的所有預構建組件、環境和模型。
?
