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。

為了讓開發者在云 GPU 加速環境中快速入門， 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 課程讓開發者體驗如何使用現代工具快速創建對話式 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送推斷請求。

Riva 語音 API 演示

將音頻發送到 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 型號發送文本并接收回音頻。

課程完成后，開發者將熟悉：

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者，專注于自主系統和對話人工智能的應用。 Dana 的背景包括嵌入式系統軟件開發以及人工智能和機器人課程和內容開發。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