Biblioteca acelerada por GPU para carregar e pré-processar dados de imagem, vídeo e áudio, agilizando o treinamento e a inferência de deep learning.
NVIDIA DALI (Data Loading Library) transfere o carregamento e o pré-processamento de dados para deep learning da CPU para a GPU. Os pipelines abrangem etapas como decodificação, recorte, redimensionamento e outras transformações de dados de imagem, vídeo e áudio; o mecanismo de execução integrado cuida do pré-carregamento, da execução paralela e da criação de batches.
Os pipelines são escritos com uma API funcional em Python e podem substituir diretamente os carregadores de dados e iteradores do TensorFlow, PyTorch, PaddlePaddle e JAX. A biblioteca lê formatos como LMDB, RecordIO, TFRecord, COCO, JPEG, JPEG 2000, WAV, FLAC, OGG, H.264, VP9 e HEVC e pode ler diretamente do armazenamento para a memória da GPU com GPUDirect Storage.
DALI também se integra ao NVIDIA Triton Inference Server por meio de um backend dedicado e oferece suporte a operadores personalizados para etapas de processamento específicas de cada projeto.
Instale a versão mais recente do DALI para CUDA 12 com pip
pip install nvidia-dali-cuda120Verifique se um driver NVIDIA e o CUDA Toolkit compatíveis com CUDA 12 estão instalados
Siga o guia Getting Started da documentação
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Biblioteca diferenciável de visão computacional baseada em PyTorch, com processamento de imagens otimizado para GPU, geometria, augmentations e operadores de correspondência de features.
Biblioteca Python de aumento de dados para visão computacional, com transforms de pixel, espaciais, médicos e 3D, além de tratamento consistente de máscaras, caixas delimitadoras e keypoints.
Biblioteca Python e CLI da Deezer que separa músicas em vocais, bateria, baixo e outros stems usando modelos pré-treinados.
Biblioteca Python para processamento de áudio, com leitura e gravação de arquivos, efeitos integrados e suporte a plugins VST3 e Audio Unit.
Biblioteca Python que otimiza datasets em um formato dividido em chunks para fazer streaming rápido do armazenamento local ou na nuvem durante o treinamento de modelos.
Sistema de alto desempenho para servir modelos de machine learning em produção, com endpoints de inferência versionados via gRPC e HTTP.