不要害怕GPU。 凌华科技和NVIDIA在这里为您提供帮助！  

对于大多数开发人员来说，使系统的运行效率最大化是正常的目标。但是，在某些情况下，我们面临着围绕较新的GPU开发这些系统的任务，例如 英伟达。第一次看任务可能会令人望而生畏，但更深入的研究表明，有大量可用的信息可以缓解任何疑虑。 

减轻设计痛苦的第一步是使用软件开发套件（SDK），这是GPU供应商通常提供的许多工具之一。但是，如果您的要求包括SDK中未包含的功能，您该怎么办？例如，在NVIDIA操舵室内，就可以在硬件设计的人工智能（AI）方面提供帮助，并提供充足的信息。但是，如果您需要针对特定应用调整硬件，会发生什么？  

举例来说，一个应用程序需要连接到大量摄像机的系统，这些摄像机全部馈入AI平台以在机场或火车站内进行图像检测。连接多台摄像机时，需要快速处理大量数据，每台摄像机本身都是必须锁定的潜在漏洞（安全）点。 

知道你的最终目标 

所以你会怎么做？专注于最终目标。我知道这似乎很明显，但我曾与许多客户合作，但他们在此过程中迷路了。您需要问的关键问题是：“期望的结果是什么？”或者，“结果是我们想要采取什么行动？”并继续重新审视它。一旦回答了这个问题，您就可以反向进行设计，以生成将导致特定结果或所需动作的数据。如果在整个过程中都没有一个一致的答案或重新审视此问题，您将冒着日后进行重新设计的风险，我们都知道这意味着额外的工作和成本。  

因此，例如，如果您要进行对象检测，并且最终目标是在放置不正确的东西时向人员发出警报，那么一种有效的方法是使用机器视觉来警告管理员，而不是将监视器塞到视频室中，被安全团队手动监视。  

在ADLINK，我们使用诸如 NVIDIA的DeepStream SDK。 DeepStream SDK可以将视频拍摄并将其写入磁盘，以协助进行深度学习所需的数据收集。 

您也可以通过NVIDIA的 转移学习工具包。与从头开始时相比，该工具包使您可以更快地创建可部署过程。结果可能/应该是更高的投资回报率。  

为了帮助开发人员，我们已经编译了一组用例，这些用例创建了具有优化的特定于领域的模型的起点。在某些情况下，模型来自NVIDIA，其中包括公共安全和智慧城市。如果模型不易获得，则开发人员可以从类似于用例的现有模型开始，并根据需要进行更改。 

为了实现特定的操作或结果，非结构化数据通过类似DeepStream的处理模型进行过滤，从而产生更多的结构化数据。以后，已保护的信息将传播到其他应用程序以执行其功能。 

这是一个故意的预告片-加入我在#GTC21上的按需课程以获取更多信息！我将深入探讨NVIDIA的DeepStream SDK和Transfer Learning Tooklit， 在这里注册.