在過去的一年里，NVIDIA 宣布了在對話人工智能方面的幾項重大突破，用于構建和部署自動語音識別（ ASR ）、自然語言處理（ NLP ）和文本到語音（ TTS ）應用程序。

為了讓開發(fā)者在云 GPU 加速環(huán)境中快速入門， NVIDIA 深度學習培訓中心（ DLI ） 提供了三個快速、免費、自定進度的課程。

你會學到什么？

這些教學性 DLI 課程讓開發(fā)者體驗如何使用現代工具快速創(chuàng)建對話式 AI 和 NLP GPU 加速應用程序。學習目標包括：

使用 TAO 工具箱訓練文本分類模型

在 SST-2 數據集上訓練并微調 BERT 文本分類模型。

對模型進行評估和推斷。

將模型導出為 ONNX 格式或 Riva 格式以進行部署。

使用 Riva 部署文本分類模型

使用 Riva ServiceMaker 獲取 TAO 導出的 Riva 模型，并將其轉換為最終部署。

在 Riva 服務器上本地部署模型。

使用 Riva API 綁定從演示客戶端發(fā)送推斷請求。

Riva 語音 API 演示

將音頻發(fā)送到 ASR 型號并接收回文本。

使用 NLP 模型轉換文本、分類文本和分類標記。

向 TTS 型號發(fā)送文本并接收回音頻。

課程完成后，開發(fā)者將熟悉：

如何使用 NVIDIA TAO 工具包在 NVIDIA GPU 上訓練、推斷和導出文本分類模型。

如何在 NVIDIA GPU 上使用 NVIDIA Riva 部署文本分類模型。

如何從示例客戶端構造對 NVIDIA Riva 語音服務器的請求。

為什么文本分類有用？

文本分類回答了這個問題：這段文本屬于哪一類？例如，如果你想知道電影評論是正面的還是負面的，你可以使用兩個類別來建立一個情緒分析項目。

更進一步，使用幾個類別按主題對句子或文檔進行分類。在這兩個用例中，您都從預先訓練好的語言模型開始，然后使用示例分類文本“訓練”分類器來創(chuàng)建文本分類項目。

誠然，文本分類只是使用預先訓練的語言模型來理解書面語言的許多 NLP 任務之一。一旦開發(fā)人員嘗試使用 NVIDIA TAO 工具包和 NVIDIA Riva 來培訓和部署 文字分類 項目，他們將能夠將這種經驗擴展到其他 NLP 任務，例如 命名實體識別（ NER ） 和 問答 。

NVIDIA Riva 語音 API 是如何工作的？

Riva 語音 API 服務器公開了一個用于執(zhí)行語音識別、語音合成和各種 NLP 推斷的簡單 API 。在本課程中，開發(fā)人員使用 Python 示例從 Riva 示例客戶機中運行其中幾個 API 調用。服務器預填充了 ASR 、 NLP 和 TTS 模型。這些內置模型允許開發(fā)人員輕松快速地測試幾個對話 AI 組件。

關于作者

Dana Sheahen 是NVIDIA 深度學習培訓中心的內容開發(fā)者，專注于自主系統(tǒng)和對話人工智能的應用。 Dana 的背景包括嵌入式系統(tǒng)軟件開發(fā)以及人工智能和機器人課程和內容開發(fā)。她擁有喬治亞理工學院的理學碩士學位和萊斯大學的理學學士學位。

審核編輯：郭婷