NVIDIA 英伟达账号注册 _云知道

全名为 NVIDIA GPU Cloud 的 NGC 中心，是近年来 NVIDIA 用来统筹应用资源的云中心，本身并不具备任何计算功能，主要就是“应用资源分类整理”用途，将 NVIDIA 绝大部分与 GPU 开发相关的工具包、开发包、机器学习预训练模型等等，全部集中在这上面，方便开发人员集中使用与下载开发资源。
登录 http://ngc.nvidia.com 就能进入 NGC 中心（如下图），不过这个入口的更新频率很高，首页所看到的内容可能跳转至其他地方。网页最左边的 “Explore Catalog” 与右上角的“用户名（未登录之前为 Guest）”，大致是固定的。

目前 NGC 将所有资源区分为以下五大类：
Collections（集合）：
【NVIDIA 英伟达账号注册】这里存放着“以应用为单位”的综合信息内容，因为每个应用都需要用到一个以上的容器、预训练模型、Helm 管理模块或资源，在 NGC 里存放数百个这些元件，如果让开发者自行搜索的话，的确是一件相当费劲的工作。
NVIDIA 将个别应用所需要的相关信息，先整理好并存放在这个分类里，让使用者可以非常轻松地掌握每个应用所需要的资源列表，目前已经整理好 50+个应用，包括 TAO 对话 AI、ASR 自动语音识别、NLP 自然语言处理等等，还在陆续增加当中。
下面截屏是在 “Query” 栏输入 “tao” 后，会出现 10 个已经整理好的应用：

当点击 “TAO Toolkit-Conversational AI” 之后，就会进入下面 “Overview” 截图的内容，显示在 NGC 中心里，目前有 1 个容器、10 个预训练模型与 8 项资源与这个应用是有关的，当然这些数字未来是有可能改变的。

点击 “Entities” 就能看到如下图，列出每个元件的名称以及进入该元件说明的链接：

这样就能很轻松地掌握每个应用完整的资源信息。
Containers（容器）：
Docker 是非常好的用于封装应用软件的容器技术，封装的镜像能提供完全独立的执行环境，这样能有效地解决多种应用的同时运作。
由于 NVIDIA 的各种开发套件之间，仍有可能存在 CUDA/cuDNN/TensorRT 这些底层库的版本兼容问题，另外包括 Python 各种数学库之间的版本依赖，经常造成软件安装的困难度。
NVIDIA 将大部分开发套件与工具包，以不同应用场景或功能组合的形式，用 Docker 技术进行封装，例如 TAO 开发工具就有 for Conv AI、for CV 与 for Lanuage Model 三种镜像，而 DeepStream 有 6 种以上的镜像。
使用镜像技术，开发者只需要在工作平台上安装最基础的 GPU 驱动、docker 管理器与 nv-docker 解析器，就能非常轻松地使用这些应用。目前 NGC 上已经有将近 200 个容器镜像，可以免费使用。
Helm Charts
这是一组针对 Kubernetes 集群的管理与运维的工具，配合 docker 技术执行应用软件的部署与管理，与 GPU 计算没有直接关联，通常使用在数据中心、云平台上，对各种部署的 GPU 应用进行管理与监控，其中 NVIDIA Network Operator Helm Chart 是最重要的基础元件，对这方面有需求的读者可以从这个元件开始上手。
Models（模型）：
这里提供 300+个预训练好的人工智能模型，包括图像分类、对象检测、语言翻译、文本到语音、推荐引擎、情感分析等等，主要配合迁移学习(transfer learning) 的用途，或者直接拿来作为体验演示用途。