《特斯拉》三鏡頭自動駕駛系統 背後的利器《NVIDIA A100 GPU》不只用來挖礦與打怪!

1086人看過

▲NVIDIA A100 GPU

特斯拉Tesla人工智慧部門資深總監Andrej Karpathy於CVPR 2021大會中,公布自家用於訓練《自動輔助駕駛》與《自動駕駛系統》的深度神經網路超級電腦。該叢集使用720個節點,每個節點搭載8個NVIDIA A100 Tensor核心GPU(一共有5,760個GPUs),以1.8 exaflops的運算效能引領業界。(我只想到這部超級電腦用來挖礦一定超強!或許Elon Musk早已這麼做,畢竟他對比特幣是如此感興趣…)

▲特斯拉所打造的超級電腦,主要功能不是用來處理大數據,而是用於影像分析,這是CPU與GPU最大的不同,Tesla超級電腦強大之處乃是在於GPU,這方面NVIDIA是專家,AMD緊追在後,所以在此就別提什麼11代Intel i7、i9…

▲這是一般企業所使用的A100 GPU人工智慧電腦,看似強大、複雜、昂貴,但是和Tesla的超級電腦比起來,真的是小吸血鬼見到大吸血鬼…

Karpathy表示:這是一台令人難以置信的超級電腦,針對其每秒浮點運算能力評估,相信這將是「全球排名第五」的超級電腦!

Elon Musk很喜歡搞「造神運動」,因此任何很酷很屌的設備或是企劃,Elon Musk都非常有興趣,此超級電腦只是眾神兵利器之中的一項!此外,為何Tesla要捨棄沿用已久的雷達偵測,改用三鏡頭開發全新的自動駕駛系統,顯然「影像分析」這一塊比較有未來,而且更具科技與宣傳價值!

特斯拉在其開發週期的核心,為汽車產業提供前所未有的運算水準,讓自動駕駛車的工程師們能夠以最先進的技術,高效率地完成傾注畢生心血的工作。

NVIDIA A100 GPU提供各種規模的加速能力,以支援全球運算效能最高的資料中心。採用NVIDIA Ampere架構的A100 GPU,其效能表現較前一代提升20倍,且可以分割多達七個GPU執行個體,並依照不斷變化的需求進行調整。

GPU叢集是特斯拉垂直整合自動駕駛的其中一部分,其透過超過百萬輛在路上行駛的汽車,來完善和建立新功能,並持續改進。是的,這部分還涉及雲端科技,還有之前曾被拿來討論的車主隱私問題…但不可否認,這是加速自動駕駛系統研發的關鍵之一。

▲礦工與線上遊戲玩家最愛的NVIDIA A100顯示卡

從實際行車影像 到資料中心分析

特斯拉的開發週期始於「行駛中的汽車」,以shadow mode「影子模式」運行的深度神經網路,在不實際控制車輛的情況下,會在汽車的行駛過程中,悄悄進行感知並做出預測。(簡單說,就是帶著不會開車的小朋友上路,去習慣開車的視野、車距控制、道路環境、行駛速度、交通號誌、危險因子…加速建立開車視覺邏輯)

此時這些預測內容與錯誤或誤判的情況會被記錄下來,接著,特斯拉的工程師使用這些執行個體,建立一個複雜且多元場景的訓練資料集,讓深度神經網路(DNN)更加完善。(就是模擬駕駛訓練,還原真實道路駕駛環境,讓自駕系統去開車,如果發生危險駕駛行為如車輛騎上安全島就必須修正與再訓練)

特斯拉收集了約一百萬個以36 FPS錄製的十秒鐘畫面,累計出高達1.5PB的資料量。接著,深度神經網路在資料中心反覆執行這些場景,直到未出現任何錯誤。最後,再將訓練完的深度學習神經網路送回車輛,並再次展開這個過程。

Karpathy 表示:這種以大量資料來訓練深度神經網路的方式,需要使用『龐大的運算量』,這也是為什麼特斯拉要使用高效能的NVIDIA A100 GPU來建立和部署當前的超級電腦。

持續反覆運算  從錯誤中成長

除了全面且完整的訓練外,特斯拉的超級電腦亦提供自動駕駛車的工程師們,擁有在開發過程中進行實驗和反覆運算所需的效能。

Karpathy 表示,特斯拉目前部署的深度神經網路結構,可以讓二十名工程師同時在一個網路上工作,並區隔不同的功能以進行同步開發。

接著,這些深度神經網路能以較過去快速反覆運算的速度還要更快的方式,運行訓練資料集。

Karpathy表示:電腦視覺是我們進行研發及實現自動輔助駕駛的基本要素。要讓它真正發揮作用,就得訓練一個大型的神經網路並進行大量實驗。這正是我們在運算領域投入許多心力和資金的原因。

加入粉絲團 加入好友 追蹤IG

品牌相關文章

RELATED ARTICLES

相關新聞推薦

RELATED ARTICLES
複製連結
引用發文

請將圖片拖曳至框線內

共0則回應
回最上層