模型有助于实现最大的运营效率

一个典型的设计目标是最大限度地提高系统的运行效率。然而，这可能包括围绕最新 GPU 设计系统，这可能是一项艰巨的任务。

GPU，例如NVIDIA提供的那些，可能非常复杂。虽然供应商可能会提供大量的文档、示例代码和其他详细信息，但工程师仍然需要部署芯片/电路板/系统并使其以最高效率运行。

一种好的做法是部署软件开发工具包 （SDK） 或 GPU 供应商提供的其他工具。但是，如果您需要在这些工具提供的功能之外冒险，它可能会变得很棘手。例如，NVIDIA 非常擅长协助设计的 AI 部分。但是，当您需要进行正确的连接、处理安全性并确保系统能够应对恶劣环境的严酷环境时，您可能需要求助于其他来源。

一个很好的例子是连接到多个摄像头并需要使用 AI 进行某种图像检测的系统。想想机场、火车站，甚至是制造工厂。如您所知，图像可能是数据密集型的，当您连接多个摄像头时，需要处理的数据量会增长得非常快。

在这里，可以清楚地概述业务目标——您是否在检查行李、产品下线等？为了解决这个问题，您需要将这些需求转化为可部署的解决方案，从而推动一些行动或结果。

确定期望的结果

下一步是确定所需的行动或结果。然后，您选择需要哪些数据，从而确定所需的处理类型。直到您回答了这些问题，您才能开始设计和部署过程。虽然这条路径可能看起来很明显，但您会惊讶于有多少人试图从最后一步开始，然后因为一开始没有概述目标而最终重新设计他们的系统。

以“智能空间”为例。在这里，您想检测物体，如果有什么不合适的地方，就会响起警报。该“警报”可能是可以听到的，或者它可以生成发送给操作员的消息。这是一个比在房间里装满监视器并让一个或多个人不断监视这些监视器以发现一些不合适的动作更好的解决方案。

凌华科技通过数据采集处理这种情况，特别是使用 NVIDIA DeepStream SDK。该 SDK 用于捕获视频并将其写入磁盘，以便您进行一些培训。一旦发生这种情况并且您有足够的数据，您就可以进入下一个阶段，即训练阶段。

NVIDIA 提供的另一项帮助是迁移学习工具包，它可以让您为您的解决方案提供可部署的处理元素，这比从头开始时要快得多，可能（并且希望）带来更大的投资回报率。为此，凌华科技整理了一组用例，据该公司称，这些用例应该为开发人员提供一个很好的起点，并提供优化的特定领域模型。在其他情况下，模型可能来自 NVIDIA，例如用于公共安全、智慧城市或产品质量检测。在模型不可用的情况下，开发人员可以从现有模型开始，一个类似于 hisa 用例的模型，并根据这些特定需求对其进行调整。

为了推动行动或结果，非结构化数据通过 DeepStream 等处理模型运行，从而产生结构化数据。从那里，信息可以通过管道发送到其他应用程序以采取行动。

审核编辑：郭婷