特斯拉（Tesla）于 CVPR 2021 年夜會上公佈，推出公用于練習主動幫助天天看片web駕駛與主動駕駛功效的深度神經收集超等電腦；該叢集應用 720 個節點，每個節1000 小說點搭載 8 個 NVIDIA A100 Tensor 焦點 GPU（共 5,760 個 GPUs），完成 1.8 exaflops 的運算效能。
特斯拉在本次年夜會上也揭穿自家自駕車的練習進程。在練習進程中，特斯拉以“影子形式（Shadow mode）”運轉的深度神經收集，在不現實操縱車輛的環境下，會在汽車的行駛進程中暗暗停止感知并做出展望。此時這些展望內容與毛病或誤判的環境會被記載上去，接著，特斯拉的工程師應用這些實行個別，建樹一個復雜swag 影片 流出且多元場景的練習材料集，讓深度神經收集（DNN）加倍美滿。
為此，特斯拉網絡了約一百熊熊 裸體萬個以 36 FPS 錄制的十秒鐘畫面，累計出高達 1.5PB 的材料量。接著，深度神經收集在材料中央反復實行這些場景，直到未湧現任何毛病。最后，再將練習完的深度進修神經收集送回車輛，并再次睜開這個進程。
▲ GPU 叢集是特斯拉垂直整合主動駕駛的個中一部門。（Source：NVIDIA）
特斯拉人工智能部分資深總監 Andrej Karpathy 透露表現，這類以大批材料來練習深度神經收集的方法，必要應用“複雜的運算量”，這也是為什麼特斯拉應用高效能的 A100 GPU 來建樹和安排以後的超等電腦。
NVIDIA 則解釋，采用 NVIDIA Ampere 架構的 A100 GPU，其效能表示較前一代提拔 20 倍，且可以朋分多達七個 GPU 實行個別，并按照賡續變更的需求停止調劑。GPU 叢集是特斯拉垂直整合主動駕駛的個中一部門，其透過跨越百萬輛在路下行駛的汽車來美滿和建樹新功效，并延續改良。
據悉，特斯拉現在安排的深度神經收集構造，可以讓二十名工程師同時在一個收集上任務，并區隔分歧的功效以停止同步開闢。接著，這些深度神經收集能以較曩昔疾速反復運算的速率還要更快的方法，運轉練習材料集。
Karpathy 指出，電腦視覺是特斯拉停止研發及完成主動幫助駕駛的根本要素。要讓它真正施展感化，就得練elin 李宗瑞習一個年夜型的神經收集并停止大批試驗。這恰是特斯拉在運算範疇投入很多心力和資金的緣故原由。
（首圖起源：特斯拉）
2021-06-30 06:08:00