NVIDIA 优化框架

准备使用 Docker 容器: 本指南提供在您的 DGX 系统上准备使用 Docker 容器的初步说明。您必须先设置您的 DGX 系统，然后才能访问 NVIDIA GPU Cloud (NGC) 容器注册表以拉取容器。
深度学习框架容器用户指南: 本指南详细概述了容器，并提供了拉取和运行容器以及自定义和扩展容器的分步说明。

支持矩阵

框架支持矩阵: 此支持矩阵适用于 NVIDIA® 优化框架。该矩阵提供了基于容器映像的框架所附带的受支持软件和特定版本的单一视图。

优化框架发行说明

DGL 发行说明: NVIDIA DGL 容器构建于优化的深度学习框架容器之上，例如具有最新稳定 DGL 开源的 Pytorch NGC 容器。本文档描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。
JAX 发行说明: 本文档描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。JAX 框架使您能够灵活且高性能地开发深度学习模型。JAX 容器每年发布数次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
Kaldi 发行说明: 这些发行说明描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。Kaldi 语音识别框架是一个有用的框架，用于基于声学和语言模型将口语音频转换为文本。Kaldi 容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已经或将要向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
NVIDIA 优化深度学习框架，由 Apache MXNet 提供支持的发行说明: 这些发行说明描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。Apache MXNet 框架提供高卷积神经网络性能和多 GPU 训练，提供自动微分和优化的预定义层。对于那些需要其模型推理在任何地方运行的人来说，它是一个有用的框架。例如，数据科学家可以使用 Python 在带有 Volta 的 DGX-1™ 系统上训练模型，而数据工程师可以使用 Scala API 部署训练后的模型，该 API 与公司现有的基础设施相关联。优化的深度学习框架容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
PyTorch 发行说明: 这些发行说明描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。PyTorch 框架使您能够灵活地开发深度学习模型，使用 Python 包，例如 SciPy、NumPy 等。PyTorch 框架方便灵活，其示例涵盖了强化学习、图像分类和机器翻译等更常见的用例。PyTorch 容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
PyG 发行说明: NVIDIA PyG 容器构建于优化的深度学习框架容器 Pytorch NGC 之上，并带有最新的稳定 PyG 开源。本文档描述了当前版本的主要功能、软件增强和改进、已知问题以及如何运行此容器。
PaddlePaddle 发行说明: 本文档描述了主要功能、软件增强和改进、已知问题以及如何运行此容器。PaddlePaddle 框架可用于您的产品中的教育、研究和产品使用，包括语音、声音识别、信息检索、图像识别和分类。该框架还可用于基于文本的应用，例如检测欺诈和威胁、分析时间序列数据以提取统计信息以及视频检测，例如游戏、安全等领域的运动和实时威胁检测。PaddlePaddle 容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
TensorFlow 发行说明: 这些发行说明提供了有关主要功能、软件增强和改进、已知问题以及如何运行此容器的信息。TensorFlow 框架可用于您的产品中的教育、研究和产品使用，包括语音、声音识别、信息检索以及图像识别和分类。TensorFlow 框架还可用于基于文本的应用，例如检测欺诈和威胁、分析时间序列数据以提取统计信息以及视频检测，例如游戏、安全等领域的运动和实时威胁检测。TensorFlow 容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。
TensorFlow Wheel 发行说明: 这些发行说明描述了此版本容器的主要功能、软件增强和改进、已知问题以及如何运行。

优化框架

容器发行说明: TensorRT 容器是一个易于使用的 TensorRT 开发容器。该容器允许构建、修改和执行 TensorRT 示例。这些发行说明提供了主要功能列表、容器中包含的软件包软件、软件增强和改进以及已知问题。TensorRT 容器每月发布一次，为您提供最新的 NVIDIA 深度学习软件库和已向上游发送的 GitHub 代码贡献。这些库和贡献都经过了测试、调整和优化。

优化框架用户指南

TensorFlow 用户指南: TensorFlow 是一个开源软件库，用于使用数据流图进行数值计算。图中的节点表示数学运算，而图的边表示在它们之间流动的多维数据数组（张量）。这种灵活的架构使您可以将计算部署到一个或多个 CPU 或 GPU，而无需重写代码，无论是在台式机、服务器还是移动设备中。TensorFlow 用户指南提供了关于使用和自定义 TensorFlow 深度学习框架的详细概述和深入了解。本指南还提供了关于 NVIDIA TensorFlow 参数的文档，您可以使用这些参数来帮助将容器的优化实现到您的环境中。

为 Jetson 安装框架

为 Jetson 平台安装 TensorFlow: 本指南提供了在 Jetson 平台上安装 TensorFlow 的说明。Jetson 平台包括 Jetson Nano、Jetson AGX Xavier 和 Jetson TX2 等模块。本指南描述了在 Jetson 平台上安装 TensorFlow 的先决条件、安装和验证的详细步骤以及优化 Jetson 平台性能的最佳实践。
Jetson 平台 TensorFlow 发行说明: 本文档包含为 Jetson 平台安装 TensorFlow 的发行说明。Jetson 平台包括 Jetson Nano、Jetson AGX Xavier 和 Jetson TX2 等模块。这些发行说明描述了为 Jetson 平台安装 TensorFlow 时的主要功能、软件增强功能和已知问题。
为 Jetson 平台安装 PyTorch: 本指南提供了在 Jetson 平台上安装 PyTorch 的说明。Jetson 平台包括 Jetson AGX Xavier 和 Jetson AGX Orin 等模块。本指南描述了在 Jetson 平台上安装 PyTorch 的先决条件、安装和验证的详细步骤以及优化 Jetson 平台性能的最佳实践。
Jetson 平台 PyTorch 发行说明: 本文档包含为 Jetson 平台安装 PyTorch 的发行说明。Jetson 平台包括 Jetson AGX Xavier 和 Jetson AGX Orin 等模块。这些发行说明描述了为 Jetson 平台安装 PyTorch 时的主要功能、软件增强功能和已知问题。

使用 TensorRT 加速框架中的推理

使用 TensorRT 加速 TensorFlow 中的推理用户指南: TensorFlow-TensorRT (TF-TRT) 是一个用于 TensorFlow 的深度学习编译器，可优化 TF 模型以在 NVIDIA 设备上进行推理。TF-TRT 是 NVIDIA 的 TensorRT (TRT) 高性能深度学习推理 SDK 的 TensorFlow 集成，允许用户直接在 TensorFlow 框架内利用其功能。