新2手机网址

www.x2w333.com)实时更新发布最新最快的新2手机网址、新2手机网址线路、新2手机网址登录网址、新2手机网址管理端、新2手机网址手机版登录网址、新2手机皇冠登录网址。

,

ADVERTISEMENT

想实现真正的无人驾驶用什么手艺呢?企业和研究职员分成两派。第一种选择,用摄影镜头和电脑视觉手艺;第二种选择,用摄影镜头、光学雷达和电脑视觉手艺。特斯拉的无人驾驶手艺只用纯粹的电脑视觉手艺和摄影镜头,为什么这样选择?在今年的CVRP(Conference on Computer Vision and Pattern Recognition,电脑视觉和模式辨识大会)上,特斯拉首席AI科学家Andrej Karpathy注释了缘故原由。

在演讲中,Karpathy详细谈到公司的计谋。特斯拉开发深度学习系统,只需要视讯输入就能感知汽车周边环境。他还注释了为什么特斯拉选择的方式是将无人驾驶酿成现实的最佳选择。

通用电脑视觉系统

深度神经网路是无人驾驶手艺的焦点组件。摄影镜头采集数据,像是蹊径、标志、障碍物、人等讯息,交给神经网路剖析。

辨识图像中的工具时,深度学习可能会犯错。正因云云,许多无人驾驶公司会选择光学雷达,它将雷射射向各偏向,为汽车周边环境绘制3D舆图。光学雷达能够多提供一层讯息,这样神经网路就会更可靠。

增添光学雷达也有问题。Karpathy说:「你必须用光学雷达提前为环境绘图并制作高精度舆图,你必须获取所有的车道讯息,知道它是若何毗邻的,知道所有的交通号志灯在那里。在测试时,你只是指引汽车在舆图上行驶,很简朴。」

难题点在于为每一个地方绘制精准舆图。Karpathy说:「无法大规模网络、制作、绘制高精度光学雷达舆图。要让这样的基础设计保持最新极为难题。」

特斯拉无人驾驶系统没有使用光学雷达和高精度舆图。Karpathy说:「汽车上发生的一切都基于摄影镜头,汽车周身有8个摄影镜头。」

无人驾驶手艺必须知道车道线在那里,交通号志灯在那里,交通号志灯的状态若何。汽车必须在没有预制讯息的条件下掌控蹊径讯息。

Karpathy以为以影像视觉为基础的无人驾驶手艺更难,由于神经网路只能依赖视讯流。Karpathy弥补说:「当系统步入正轨,它就酿成通用视觉系统,基本上可以在任何地方部署。」

有了通用视觉系统,汽车不再需要庞大的装置。Karpathy以为特斯拉正在朝这一偏向迈进。之前特斯拉汽车同时依赖雷达和摄影镜头,现在出货的汽车甩掉了雷达。

Karpathy说:「我们删除了雷达,这些汽车只有视觉。」他还说特斯拉的深度学习系统已经进化到一定水平,比雷达好几百倍,现在雷杀青了制约,只会拖后腿。 

监视式学习

许多人并不认同特斯拉的方式,没有光学雷达深度舆图,神经网路测距、深度估算会存在不确定性,这是主要的争论点。

Karpathy以为:「人类自己就是靠视觉驾驶汽车前进的,人的神经网路可以处置视觉输入讯息,明晰周边工具的深度和速率。合成神经网路能像人类神经网路一样运行吗?这是最大的问题。我们以为谜底是YES。」

特斯拉工程师想开发一套深度学习系统,它可以侦测工具,获取深度、速率、加速率讯息。他们用监视式学习手艺应对挑战,也就是说用带注释的资料训练系统,让它可以学着侦测工具,明晰相关属性。

为了训练深度学习架构,特斯拉团队需要大量视讯数据,而且数据中的工具及其属性都要准确注释。为无人驾驶汽车制作资料库相当庞大。

Karpathy说:「当你拥有重大、纯净、多样化资料库,就可以用它训练大型神经网路,从实践效果看,乐成是有保障的。」

AllbetGmaing客户端下载

欢迎进入AllbetGmaing客户端下载(www.aLLbetgame.us),欧博官网是欧博集团的官方网站。欧博官网开放Allbet注册、Allbe代理、Allbet电脑客户端、Allbet手机版下载等业务。

自动加入标签的资料库

全球已经有几百万辆特斯拉汽车,它们装有摄影镜头。特斯拉可以网络数据,训练汽车视觉深度学习模子。特斯拉无人驾驶团队已经获取1.5PT数据,它们包罗100万段10秒影片,内里有60亿个工具。

要为资料库贴上标签是一件很难的事。可以让资料标签公司手动加入标签,也可以透过线上论坛举行。不外这样做需要大量人力,成本对照高,进度也慢。

为领会决这一问题,特斯拉引入自动标签添加手艺,它将神经网路、雷达数据、人力评估连系在一起。资料库是离线注释的,神经网路可以往返检视影片,将展望与事实对照,调整参数。

离线添加标签尚有一个利益,工程师可以引入壮大的运算麋集工具侦测网路,它可以部署在汽车上,运行即时低延迟应用。特斯拉还会用雷达感测器数据进一步验证神经网路的注释。所有这一切都能提高标签网路的精准度。

Karpathy说:「若是是离线注释,你可以拥有『后见之明』优势,整合差异感测器数据时势情起来更随手。尚有,你也可以引入人力,他们可以整理、验证、编辑。」 

分层式深度学习结构 

修正自动标签系统需要若干人力?Karpathy没有说。但有一点可以确定,在指导自动标签系统向准确偏向前进时,人类感知起到了要害作用。

在开发资料库的历程中,特斯拉团队发现200多个触发点,也就意味着在侦测工具时有许多地方要调整。有哪些问题呢?例如,差异摄影镜头的侦测效果纷歧致,摄影镜头和雷达之间的侦测效果纷歧致。有些场景需要稀奇关注,好比隧道入口、出口。

为了处置这些触发点,特斯拉团队花了4个月时间。当标签网路进一步最佳化,越来越好,团队最先部署,用「影子模式」运行,也就是说将系统装进消费版汽车,漆黑执行但不会发送指令给汽车。然后团队将网路的输出效果与传统网路、雷达、驾驶习惯对比。

数据工程迭代7次。最最先团队用初始数据训练神经网路,然后将深度学习应用于「影子模式」,在真车上运作,用触发点侦测纷歧致、错误、特殊场景。接下来修订错误,若是需要还要往资料库加入新资料。

Karpathy说:「根据这样的流程我们重复一次又一次,直到网路变得超级好。」

由此证实,将半自动标签系统与人力检测连系效果很好,当中神经网路做重复性事情,由人卖力高级感知问题和极端情形。

垂直整合

特斯拉是若何用超级电脑训练、微调深度学习模子的呢?Karpathy透露了一些细节。

盘算集群由80个节点组成,参数为:720个80GB 8x A100 节点(共5760 个GPU);1.8 EFLOPS(720节点* 312 TFLOPS-FP16-A100 * 8 gpu/节点);10 PB「热层」NVME储存@ 1.6 TBps。特斯拉将所有节点毗邻在一起,云云一来神经网路就能高效完成涣散式训练。

特斯拉汽车内也有AI晶片。Karpathy说:「这些晶片专为神经网路设计,我们希望它能运行真正的无人驾驶应用。」

特斯拉最大的优势在于垂直整合。它制造汽车和无人驾驶硬体,可以网络遥测和影像数据,可以用专有资料库开发并训练神经网路,它有内部运算集群,透过影子模式测试网路。固然啦,特斯拉尚有专业团队,包罗机械学习工程师、研究职员、硬体设计师。

Karpathy说:「在所有层,我们都可以设计并工程化,不会有第三方滋扰。运气完全由自己掌控,我以为这点很了不起。」Karpathy还举了一些例子,证实特斯拉神经网路单靠自己就能击败传统机械学习模子(它们与雷达讯息连系)。Karpathy信托,若是系统继续进化,特斯拉可以镌汰光学雷达。其它企业想复制特斯拉的乐成很难。

问题

深度学习真的能战胜当前无人驾驶存在的所有问题吗?无人知道。简直,工具检测、速率和距离估量在驾驶历程中饰演要害角色,但人类视力尚有其它主要功效。

尚有,深度学习的因果推理能力并不强,若是遇到新场景,它可能会手足无措。虽然特斯拉已经拥有重大的多样化资料库,但开放公路的环境相当庞大,新的不能预知事情一直在发生。

将因果和推理植入深度神经网路能解决问题,照样行使重大、漫衍优越的资料库来让神经网路到达通用深度学习的水平,进而战胜因果障碍,到底哪种方式能乐成?AI研究者存在分歧。特斯拉无人驾驶团队的似乎偏向后一种方式。

Allbet Gaming声明:该文看法仅代表作者自己,与www.allbetgame.us无关。转载请注明:Allbet:无人驾驶手艺分两派,特斯选择不用光学雷达?首席AI科学家告诉你缘故原由
发布评论

分享到:

usdt不用实名(www.caibao.it):贸协搭桥 拓销台湾凤梨、加工品
2 条回复
  1. 皇冠APP(www.22223388.com)
    皇冠APP(www.22223388.com)
    (2021-10-23 00:02:22) 1#

    欧博网址开户(www.ALLgame.us),欧博网址开放会员注册、代理开户、电脑客户端下载、苹果安卓下载等业务。
    建个粉丝群呗

  2. USDT充提教程(www.6allbet.com)
    USDT充提教程(www.6allbet.com)
    (2021-11-12 00:08:23) 2#

    菜宝钱包(caibao.it)是使用TRC-20协议的Usdt第三方支付平台,Usdt收款平台、Usdt自动充提平台、usdt跑分平台。免费提供入金通道、Usdt钱包支付接口、Usdt自动充值接口、Usdt无需实名寄售回收。菜宝Usdt钱包一键生成Usdt钱包、一键调用API接口、一键无实名出售Usdt。不懂可以问我

发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。