NVIDIA DALI：GPU加速的数据增强和图像加载库，可优化深度学习框架的数据管道

NVIDIA nvJPEG：用于JPEG解码的高性能GPU加速库

基于深度学习的计算机视觉应用程序包括复杂的多阶段预处理数据管道，该管道包括诸多计算密集型步骤，如：从磁盘加载和提取数据、解码、裁剪和调整大小、上色、空间转换和格式转换。

利用GPU加速数据增强，NVIDIA DALI解决了当今计算机视觉深度学习应用的性能瓶颈问题，这些应用程序一般会包括复杂的多阶段数据增强步骤。借助DALI，深度学习研究人员可以在图像分类模型上扩展训练性能，如：具备MXNet的ResNet-50、TensorFlow、适用于所有Amazon Web Services P3 8 GPU实例的PyTorch或带有Volta GPU的DGX-1系统。得益于各框架之间一致的高性能数据加载和增强，框架用户将大大减少代码重复的情况。

DALI依靠全新的NVIDIA nvJPEG库进行高性能的GPU加速解码。nvJPEG支持单一与批量图像的解码、颜色空间转换、多相位解码以及采用CPU和GPU的混合解码。与仅通过CPU的解码相比，采用nvJPEG解码的应用具有更高的吞吐量和更低的延迟率。

DALI的优势包括：

能够与面向MxNet、TensorFlow 和PyTorch的直接插件轻松实现框架整合

便携式培训工作流程支持多种数据格式，如：JPEG、原始格式、LMDB、RecordIO和TFRecord

带有可配置图形和自定义操作符的定制数据管道

利用nvJPEG的高性能单一与批量JPEG解码

nvJPEG优势包括：

采用CPU和GPU混合解码

单一图像和批量图像解码

颜色空间转换至RGB、BGR、RGBI、BGRI和YUV

单一和多阶段解码

DALI为开源设计，现已可从GitHub上获得。

点击“阅读原文”，进入GitHub页面。