NVIDIA DALI：GPU加速的數據增強和圖像加載庫，可優化深度學習框架的數據管道

NVIDIA nvJPEG：用于JPEG解碼的高性能GPU加速庫

基于深度學習的計算機視覺應用程序包括復雜的多階段預處理數據管道，該管道包括諸多計算密集型步驟，如：從磁盤加載和提取數據、解碼、裁剪和調整大小、上色、空間轉換和格式轉換。

利用GPU加速數據增強，NVIDIA DALI解決了當今計算機視覺深度學習應用的性能瓶頸問題，這些應用程序一般會包括復雜的多階段數據增強步驟。借助DALI，深度學習研究人員可以在圖像分類模型上擴展訓練性能，如：具備MXNet的ResNet-50、TensorFlow、適用于所有Amazon Web Services P3 8 GPU實例的PyTorch或帶有Volta GPU的DGX-1系統。得益于各框架之間一致的高性能數據加載和增強，框架用戶將大大減少代碼重復的情況。

DALI依靠全新的NVIDIA nvJPEG庫進行高性能的GPU加速解碼。nvJPEG支持單一與批量圖像的解碼、顏色空間轉換、多相位解碼以及采用CPU和GPU的混合解碼。與僅通過CPU的解碼相比，采用nvJPEG解碼的應用具有更高的吞吐量和更低的延遲率。

DALI的優勢包括：

能夠與面向MxNet、TensorFlow 和PyTorch的直接插件輕松實現框架整合

便攜式培訓工作流程支持多種數據格式，如：JPEG、原始格式、LMDB、RecordIO和TFRecord

帶有可配置圖形和自定義操作符的定制數據管道

利用nvJPEG的高性能單一與批量JPEG解碼

nvJPEG優勢包括：

采用CPU和GPU混合解碼

單一圖像和批量圖像解碼

顏色空間轉換至RGB、BGR、RGBI、BGRI和YUV

單一和多階段解碼

DALI為開源設計，現已可從GitHub上獲得。

點擊“閱讀原文”，進入GitHub頁面。