|ライセンス| |ドキュメント| |フォーマット|

NVIDIA DALI

…概要-開始-マーカー-do-not-remove

NVIDIAデータロードライブラリ(DALI)は、GPUで高速化されたデータロードライブラリです およびディープラーニングアプリケーションを加速するための前処理機能。これは 積み込みと処理のための高度に最適化されたビルディングブロックの収集 画像、映像、音声データ。携帯型のドロップイン代替として使用できます 人気のディープラーニングフレームワークに内蔵されたデータローダーやデータイテレーター。

ディープラーニングアプリケーションには、複雑で多段階のデータ処理パイプラインが必要です これには読み込み、復号、トリミング、サイズ変更、その他多くの拡張が含まれます。 現在CPU上で実行されているこれらのデータ処理パイプラインは、 ボトルネックが発生し、トレーニングや推論のパフォーマンスや拡張性を制限します。

DALIはCPUのボトルネック問題に対処し、データの前処理を GPU。さらに、DALIはスループットを最大化するために構築された独自の実行エンジンに依存しています 入力パイプラインの機能です。プリフェッチ、並列実行、バッチ処理などの機能 これらはユーザーに対して透過的に処理されます。

|License| |Documentation| |Format|

NVIDIA DALI

… overview-begin-marker-do-not-remove

The NVIDIA Data Loading Library (DALI) is a GPU-accelerated library for data loading and pre-processing to accelerate deep learning applications. It provides a collection of highly optimized building blocks for loading and processing image, video and audio data. It can be used as a portable drop-in replacement for built in data loaders and data iterators in popular deep learning frameworks.

Deep learning applications require complex, multi-stage data processing pipelines that include loading, decoding, cropping, resizing, and many other augmentations. These data processing pipelines, which are currently executed on the CPU, have become a bottleneck, limiting the performance and scalability of training and inference.

DALI addresses the problem of the CPU bottleneck by offloading data preprocessing to the GPU. Additionally, DALI relies on its own execution engine, built to maximize the throughput of the input pipeline. Features such as prefetching, parallel execution, and batch processing are handled transparently for the user.

In addition, the deep learning frameworks have multiple data pre-processing implementations, resulting in challenges such as portability of training and inference workflows, and code maintainability. Data processing pipelines implemented using DALI are portable because they can easily be retargeted to TensorFlow, PyTorch, and PaddlePaddle.

… image:: /dali.png :width: 800 :align: center :alt: DALI Diagram

… github display off

… GitHub discards custom styles when rendering Markdown. We can use it to our advantage to hide the GitHub-style admonition in the sphinx-rendered documentation

… only:: html

.. raw:: html

… rst-class:: github-only … pull-quote::

[!TIP]

The `dali-dynamic-mode `_ skill
provides AI agents with guidance on the Dynamic Mode API and best practices. It can be installed as follows:

.. code-block:: sh

    npx skills add nvidia/skills --skill dali-dynamic-mode

For more information, see the `NVIDIA/skills `_ GitHub repository.

DALI in action

… container:: dali-tabs

Pipeline mode:

… code-block:: python

  from nvidia.dali.pipeline import pipeline_def
  import nvidia.dali.types as types
  import nvidia.dali.fn as fn
  from nvidia.dali.plugin.pytorch import DALIGenericIterator
  import os

  # To run with different data, see documentation of nvidia.dali.fn.readers.file
  # points to https://github.com/NVIDIA/DALI_extra
  data_root_dir = os.environ['DALI_EXTRA_PATH']
  images_dir = os.path.join(data_root_dir, 'db', 'single', 'jpeg')

  def loss_func(pred, y):