

引言

Nvidia推出了一个深度学习训练工具包 - Transfer Learning Toolkit，提供了一堆的预训练模型，能够快速的迁移到新数据集上，完成训练并实现剪枝和量化操作

下面记录一下TLT提供的预训练模型以及常见问题，更新版本的TLT会支持更多的功能，所以具体细节参考TLT官网

英文文档：The Transfer Learning Toolkit for Intelligent Video Analytics Getting Started Guide

中文文档：智能视频分析的转移学习工具包入门指南

预训练模型

TLT专注于图像分类和目标检测任务，提供了大量的预训练模型

同时TLT还提供了6个适用于具体场景的预训练模型以及相应的检测速度

常见问题

记录几个官网常见问题：

1. TLT使用了什么训练框架？是否需要学习它？
   1. 答：使用了TensorFlow和Keras，TLT完全封装了技术细节，不需要额外学习
2. 是否可以使用第三方预训练模型？
   1. 答：TLT不支持任何第三方预训练模型，仅支持Nvidia NGC提供的预训练模型
3. TLT是否支持分割任务?
   1. 答：目前不支持分割任务，不过会在后续版本中支持
4. TLT是否支持量化感知训练（quantization aware training）以及自动混合精度（Automatic Mixed Precision(AMP)）
   1. 答：2020年第3季度将推出TLT 2.0，实现QAT（量化感知训练）以提高INT8的准确性，并支持AMP

其他问题还包括：

1. Python2.x or Python3.x
   1. 参考Tlt will support tf2 and python 3
   2. 目前TLT仅支持Python2.x，

小结

从学习研究的角度来看，TLT并不是一个优秀的训练框架，相比于PyTorch/TensorFlow，无法自定义模型，没有提供更多的训练参数和方法；但是从部署的角度来看，TLT提供了打包一栈式的开发流程，能够快速的集成到实际生产中，当然，这也取决于Nvidia的更新速度