特斯拉新专利：让神经网络自动适应硬件平台

据外媒报道，特斯拉一项名为“在硬件平台上适配神经网络模型的系统和方法”的专利近日公布。

(图片来源:teslarati.com)一般来说，神经网络是一套用于收集数据并从中识别模式的算法。收集的具体数据取决于所涉及的平台以及平台可以发送到网络的信息类型，例如相机/图像数据。平台的不同意味着神经网络算法的不同，开发者进行调整是非常耗时的。正如应用程序必须通过编程才能在手机或平板电脑的操作系统或硬件上工作一样，神经网络也是如此。然而，特斯拉对神经网络的适应性采用了自动化方法。在使神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件内置的可用选项做出决策。通常需要研究这样的选项，依次查阅硬件文档和分析影响，选择每组选项，最后加入神经网络成为一个配置。特斯拉将这样的选项称为“决策点”，这也是本发明的关键部分。根据专利申请文件，在插入神经网络模型和特定的硬件平台信息，使神经网络适应硬件平台后，软件代码将遍布神经网络，以了解决策点的位置，然后针对此类决策点操作硬件参数，实现可用配置。更具体地说，软件方法侧重于硬件限制(如处理资源和性能指标的限制)，并为神经网络生成设置，使其正确运行。文件中写道:“为了使抽象的神经网络具体实现，可能需要对一个或多个系统组件、数值精度、算法选择、数据填充、加速器使用、步幅等做出执行决策。，并且可能需要在神经网络的每个层或张量的基础上做出这样的决策，因此特定的神经网络可能需要做出数百甚至更多的决策。本发明在执行神经网络之前考虑了许多因素，因为底层软件或硬件平台不支持许多配置，并且这样的配置可能导致神经网络无法执行。”特斯拉的发明还具有在图形界面上显示神经网络的配置信息的能力，从而以更加人性化的方式进行评估和选择。例如，不同的配置可能需要不同的评估时间、功耗或存储器消耗。例如，配置是根据轨迹模式和范围模式的差异来选择的，而不是根据人们希望AI如何与硬件配合工作来选择的。据报道，该专利申请似乎是特斯拉收购DeepScale后开发的产品之一。DeepScale是一家专注于全自动驾驶和为小型设备设计神经网络的AI初创公司。这项专利的发明人是Michael Driscoll博士，他曾是DeepScale的高级工程师，后来成为特斯拉的高级软件工程师。在今年的独立研究之前，DeepScale的前首席执行官Forrest Iandola博士还担任特斯拉的高级机器学习科学家。据外媒报道，特斯拉一项名为“在硬件平台上适配神经网络模型的系统和方法”的专利近日公布。

(图片来源:teslarati.com)一般来说，神经网络是一套用于收集数据并从中识别模式的算法。收集的具体数据取决于所涉及的平台以及平台可以发送到网络的信息类型，例如相机/图像数据。平台的不同意味着神经网络算法的不同，开发者进行调整是非常耗时的。正如应用程序必须通过编程才能在手机或平板电脑的操作系统或硬件上工作一样，神经网络也是如此。然而，特斯拉对神经网络的适应性采用了自动化方法。在使神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件内置的可用选项做出决策。通常，有必要研究这些选项，查看硬件文档和……依次lyze影响，选择每组选项，最后加入神经网络成为一个配置。特斯拉将这样的选项称为“决策点”，这也是本发明的关键部分。根据专利申请文件，在插入神经网络模型和特定的硬件平台信息，使神经网络适应硬件平台后，软件代码将遍布神经网络，以了解决策点的位置，然后针对此类决策点操作硬件参数，实现可用配置。更具体地说，软件方法侧重于硬件限制(如处理资源和性能指标的限制)，并为神经网络生成设置，使其正确运行。文件中写道:“为了使抽象的神经网络具体实现，可能需要对一个或多个系统组件、数值精度、算法选择、数据填充、加速器使用、步幅等做出执行决策。，并且可能需要在神经网络的每个层或张量的基础上做出这样的决策，因此特定的神经网络可能需要做出数百甚至更多的决策。本发明在执行神经网络之前考虑了许多因素，因为底层软件或硬件平台不支持许多配置，并且这样的配置可能导致神经网络无法执行。”特斯拉的发明还具有在图形界面上显示神经网络的配置信息的能力，从而以更加人性化的方式进行评估和选择。例如，不同的配置可能需要不同的评估时间、功耗或存储器消耗。例如，配置是根据轨迹模式和范围模式的差异来选择的，而不是根据人们希望AI如何与硬件配合工作来选择的。据报道，该专利申请似乎是特斯拉收购DeepScale后开发的产品之一。DeepScale是一家专注于全自动驾驶和为小型设备设计神经网络的AI初创公司。这项专利的发明人是Michael Driscoll博士，他曾是DeepScale的高级工程师，后来成为特斯拉的高级软件工程师。在今年的独立研究之前，DeepScale的前首席执行官Forrest Iandola博士还担任特斯拉的高级机器学习科学家。

标签：特斯拉

汽车资讯热门资讯