Deep Learning: Nvidia DALI erreicht Version 1.0
Die Bibliothek übernimmt das notwendige Preprocessing beim Training von Deep-Learning-Modellen. DALI ist mit DL-Frameworks wie TensorFlow kompatibel.
(Bild: Phonlamai Photo/Shutterstock.com)
- Madeleine Domogalla
Nvidia DALI hat drei Jahre nach der ersten Ankündigung Version 1.0 und damit einen wichtigen Meilenstein erreicht, da ein 1.0-Release üblicherweise umfassende Projektstabilität signalisiert. Die Data Loading Library (DALI) soll Entwicklerinnen und Entwicklern beim Training von Deep-Learning-Modellen helfen: sie bereitet heterogene Daten standardisiert auf und spielt sie in die Modelle ein. Denn wie aussagekräftig ein Deep-Learning-Modell ist, hängt maßgeblich vom Training der Modelle mit geeignetem Datenmaterial ab.
Neue Operatoren und weitere Python-Module
Version 1.0 bringt unter anderem eine überarbeitete API-Dokumentation, mehrere neue Operatoren sowie Module für Python mit. Darüber hinaus enthält das Update zusätzliche Codecs und Demuxer von FFmpeg, eine Sammlung von Bibliotheken und Werkzeugen zur Verarbeitung von Audio- und Videomaterial. DALI 1.0 ist kompatibel mit anderen Deep Learning Frameworks wie TensorFlow, PyTorch, MXNet und Paddle Paddle.
Die Data Loading Library stellt Nutzern drei Bausteine rund um die Bild-, Video- und Audioverarbeitung zur Verfügung. Die GPU-beschleunigte Bibliothek ist auf die Software/Hardware-Architektur von NVIDIA ausgelegt. DALI sorgt dafür, dass ein größerer Teil des Ladens von Daten und des Preprocessings, das üblicherweise die CPU übernimmt, stattdessen von der GPU erledigt wird. Nähere Informationen zum 1.0-Release finden sich auf GitHub.
(mdo)