自动驾驶技术能力难辨真假？这项测试结果给出了答案

自动驾驶汽车是一种高性能边缘计算设备。为了验证自动驾驶汽车是否具备深度洞察推理性能，MLPerf组织推出了MLPerf推理测试。为了做出像CPU一样的机器学习处理器的基准测试，该组织囊括了业内所有知名企业，如英特尔、英伟达、阿里、谷歌、百度等。MLPerf推理是检验推理性能的一种通用方法。通过边缘计算等多种场景下的多项基准测试，验证一个解决方案能否成功完成当今汽车所需的多项任务，最终将成为衡量低功耗SoC中的NPU到数据中心中的高性能加速器的标准。其中，MLPerf推理0.5基准套件的结果已经公布，NVIDIA Xavier片上系统和来自NVIDIA的图灵GPU在业界首个独立AI推理基准套件MLPerf影响力中获得巨大成功。MLPerf 0.5推理测试是一组用于评估此类复杂工作负载的基准测试。它通过边缘计算等多种场景下的多项基准测试，验证一个解决方案是否能成功完成当今汽车所需的多项任务，而不仅仅是一项任务。推理是指在实时生产系统中，通过运行AI模型，从大量数据中筛选出可执行的洞察的过程。MLPerf用于通过五个基准来评估三个AI应用的性能，即图像分类、目标检测和翻译。该基准定义的服务器和离线场景与数据中心应用的相关性最高，单流和多流场景用于自动驾驶汽车等边缘设备。MLPerf推论0.5涵盖了数据中心服务器和边缘和移动芯片系统场景。我们知道未来汽车将能够与人类驾驶员对话，因此我们需要配备先进的语音识别、自然语言处理和文本到语音转换功能，而所有这些功能都要求低延迟。此外，还有一个深度神经网络用于监控车内的驾驶员，包括一个可以判断头部姿势、检测眨眼和阅读唇语的神经网络。这些具有不同功能的神经网络系统将通过一系列不同类型的神经网络来处理各种数据。这种网络需要强大的处理性能，为自动驾驶汽车提供具有智能语音控制功能的用户界面。但是，当所有的厂商都说他们未来处理器的速度上限会越来越高的时候，我们怎么能确定这些处理器能兑现承诺呢？显然，这不仅涉及处理器的原始峰值性能，还涉及这些处理器如何处理AI工作负载。可以说MLPerf benchmark是业界评价AI推理性能的一种方法。对于芯片公司来说，使用MLPerf基准进行验证，可以让他们更加清楚自己和竞争对手的位置。更重要的是，机器学习优化的开放性意味着芯片公司仍然有很大的空间来优化他们的系统，以用于未来的测试和设计更好的新硬件。目前，英伟达是14家企业中唯一提交了全部5项MLPerf基准测试结果的AI计算平台公司。英伟达数据中心场景基准测试结果排名第一，图灵GPU成为市面上单处理器性能最高的产品。结果显示Xavier在edge场景下的表现优于市面上其他edge和移动芯片系统。这一成果显示了英伟达在各种AI推理任务和应用场景中的地位，AI推理对于自动驾驶汽车的安全驾驶不可或缺。可以说，未来的汽车和卡车将由运行不同深度神经网络的AI超级计算机来驾驶。这就是为什么未来的汽车会是高性能的边缘计算设备。这种高性能的边缘计算设备不仅可以处理各种路况，还可以接管控制自动驾驶，并监控驾驶员的反应并加以保护。在这方面，汽车需要集成大量的AI算法，并在一台可以同时运行多个不同神经网络的高性能计算机上运行这些算法。面对测试中的各种AI推理任务，NVIDIA DRIVE同时运行多个深度神经网络，通过各个传感器产生的海量数据感知车辆周围环境。这些深度神经网络必须能够分析……关键数据实时执行各种冗余功能，如十字路口识别和可驾驶路线分类。这就是为什么NVIDIA Xavier的基准测试结果对汽车制造商如此重要。Xavier处理器在两种边缘场景(单流和多流)中都被评为最高性能的商用边缘和移动芯片系统。目前，Xavier处理器驱动NVIDIA DRIVE AGX计算机，用于自动驾驶和智能驾驶舱应用。这台AI超级计算机可以同时运行多达20个深度神经网络，包括多种模型来了解周围环境。例如，用于检测车道标志线的LaneNet、用于检测可行驶路径的PathNet、用于确定中心线的PilotNet、用于识别路标的SignNet、用于识别交通灯的LightNet、用于检测十字路口的WaitNet、用于检测障碍物的DriveNet、用于检测可行驶空间的OpenRoadNet和用于确认停车位的ParkNet。这些功能对于L2级别以上的自动驾驶汽车是必要的。可以认为，多流场景可以测试芯片可以处理的数据源数量，而配备多个传感器的自动驾驶汽车是典型的边缘设备，必须能够实时处理这些不同的数据源。同时，测试结果显示了CUDA和TensorRT软件在NVIDIA处理器上的性能，这为我们在许多产品和应用中取得领先结果提供了一个通用平台，而这正是NVIDIA的独特能力。在实际工作量中，推理需要大量的预处理和后处理步骤，因此其要求极其苛刻。这就是为什么越来越多的行业选择使用高性能的英伟达平台来处理推理工作，包括有远见的交通和技术公司，如宝马、Capital One、思科、Expedia、约翰迪尔、微软、PayPal、Pinterest、宝洁、Postmates、Shazam、Snap、Shopify、Twitter、威瑞森和沃尔玛。未来，对话式AI会带来大量的机遇和技术挑战，英伟达在这一领域已经做好了准备。Nvidia DRIVE IX是一个智能体验平台，可以提供AI驾驶的车内车辆与人的交互功能。该平台通过嵌入式语音软件实现乘客与司机、汽车之间的自然对话。除了人工智能驾驶舱，英伟达还为对话式人工智能服务提供优化的参考设计，如自动语音识别、文本到语言转换和自然语言理解。英伟达的BERT、GNMT、Jasper等AI模型都经过开源优化，帮助开发者实现顶级推理性能。英伟达表示，“英伟达图灵GPU和英伟达Xavier片上系统在MLPerf基准测试中取得了各自细分市场的最佳成绩。现在每天都有很多公司宣称自己在AI技术领域取得了卓越的成果，真假难辨。MLPerf 0.5的推断结果是通过实际表现和多次测试中的表现来辨别这些信息的真实性。测试结果表明，NVIDIA Xavier片上系统是未来汽车制造商的首选。”自动驾驶汽车是一种高性能边缘计算设备。为了验证自动驾驶汽车是否具备深度洞察推理性能，MLPerf组织推出了MLPerf推理测试。为了做出像CPU一样的机器学习处理器的基准测试，该组织囊括了业内所有知名企业，如英特尔、英伟达、阿里、谷歌、百度等。MLPerf推理是检验推理性能的一种通用方法。通过边缘计算等多种场景下的多项基准测试，验证一个解决方案能否成功完成当今汽车所需的多项任务，最终将成为衡量低功耗SoC中的NPU到数据中心中的高性能加速器的标准。其中，MLPerf推理0.5基准套件的结果已经公布，NVIDIA Xavier片上系统和来自NVIDIA的图灵GPU在业界首个独立AI推理基准套件MLPerf影响力中获得巨大成功。MLPerf 0.5推理测试是一组用于评估此类复杂工作负载的基准测试。它通过边缘计算等多种场景下的多项基准测试，验证一个解决方案是否能成功完成当今汽车所需的多项任务，而不仅仅是一项任务。推理是指通过真实运行AI模型，从大量数据中筛选出可执行的洞察的过程……ime制作系统。MLPerf用于通过五个基准来评估三个AI应用的性能，即图像分类、目标检测和翻译。该基准定义的服务器和离线场景与数据中心应用的相关性最高，单流和多流场景用于自动驾驶汽车等边缘设备。MLPerf推论0.5涵盖了数据中心服务器和边缘和移动芯片系统场景。我们知道未来汽车将能够与人类驾驶员对话，因此我们需要配备先进的语音识别、自然语言处理和文本到语音转换功能，而所有这些功能都要求低延迟。此外，还有一个深度神经网络用于监控车内的驾驶员，包括一个可以判断头部姿势、检测眨眼和阅读唇语的神经网络。这些具有不同功能的神经网络系统将通过一系列不同类型的神经网络来处理各种数据。这种网络需要强大的处理性能，为自动驾驶汽车提供具有智能语音控制功能的用户界面。但是，当所有的厂商都说他们未来处理器的速度上限会越来越高的时候，我们怎么能确定这些处理器能兑现承诺呢？显然，这不仅涉及处理器的原始峰值性能，还涉及这些处理器如何处理AI工作负载。可以说MLPerf benchmark是业界评价AI推理性能的一种方法。对于芯片公司来说，使用MLPerf基准进行验证，可以让他们更加清楚自己和竞争对手的位置。更重要的是，机器学习优化的开放性意味着芯片公司仍然有很大的空间来优化他们的系统，以用于未来的测试和设计更好的新硬件。目前，英伟达是14家企业中唯一提交了全部5项MLPerf基准测试结果的AI计算平台公司。英伟达数据中心场景基准测试结果排名第一，图灵GPU成为市面上单处理器性能最高的产品。结果显示Xavier在edge场景下的表现优于市面上其他edge和移动芯片系统。这一成果显示了英伟达在各种AI推理任务和应用场景中的地位，AI推理对于自动驾驶汽车的安全驾驶不可或缺。可以说，未来的汽车和卡车将由运行不同深度神经网络的AI超级计算机来驾驶。这就是为什么未来的汽车会是高性能的边缘计算设备。这种高性能的边缘计算设备不仅可以处理各种路况，还可以接管控制自动驾驶，并监控驾驶员的反应并加以保护。在这方面，汽车需要集成大量的AI算法，并在一台可以同时运行多个不同神经网络的高性能计算机上运行这些算法。面对测试中的各种AI推理任务，NVIDIA DRIVE同时运行多个深度神经网络，通过各个传感器产生的海量数据感知车辆周围环境。这些深度神经网络必须能够实时分析关键数据，以执行各种冗余功能，如路口识别和可驾驶路线分类。这就是为什么NVIDIA Xavier的基准测试结果对汽车制造商如此重要。Xavier处理器在两种边缘场景(单流和多流)中都被评为最高性能的商用边缘和移动芯片系统。目前，Xavier处理器驱动NVIDIA DRIVE AGX计算机，用于自动驾驶和智能驾驶舱应用。这台AI超级计算机可以同时运行多达20个深度神经网络，包括多种模型来了解周围环境。例如，用于检测车道标志线的LaneNet、用于检测可行驶路径的PathNet、用于确定中心线的PilotNet、用于识别路标的SignNet、用于识别交通灯的LightNet、用于检测十字路口的WaitNet、用于检测障碍物的DriveNet、用于检测可行驶空间的OpenRoadNet和用于确认停车位的ParkNet。这些功能对于L2级别以上的自动驾驶汽车是必要的。可以认为，多流场景可以测试芯片可以处理的数据源数量，而配备多个传感器的自动驾驶汽车是典型的边缘设备，必须能够实时处理这些不同的数据源。同时，测试结果显示了CUDA和TensorRT软件在NVIDIA处理器上的性能，提供了一个通用的pl……form为我们在很多产品和应用上取得领先的成绩，而这是NVIDIA独有的能力。在实际工作量中，推理需要大量的预处理和后处理步骤，因此其要求极其苛刻。这就是为什么越来越多的行业选择使用高性能的英伟达平台来处理推理工作，包括有远见的交通和技术公司，如宝马、Capital One、思科、Expedia、约翰迪尔、微软、PayPal、Pinterest、宝洁、Postmates、Shazam、Snap、Shopify、Twitter、威瑞森和沃尔玛。未来，对话式AI会带来大量的机遇和技术挑战，英伟达在这一领域已经做好了准备。Nvidia DRIVE IX是一个智能体验平台，可以提供AI驾驶的车内车辆与人的交互功能。该平台通过嵌入式语音软件实现乘客与司机、汽车之间的自然对话。除了人工智能驾驶舱，英伟达还为对话式人工智能服务提供优化的参考设计，如自动语音识别、文本到语言转换和自然语言理解。英伟达的BERT、GNMT、Jasper等AI模型都经过开源优化，帮助开发者实现顶级推理性能。英伟达表示，“英伟达图灵GPU和英伟达Xavier片上系统在MLPerf基准测试中取得了各自细分市场的最佳成绩。现在每天都有很多公司宣称自己在AI技术领域取得了卓越的成果，真假难辨。MLPerf 0.5的推断结果是通过实际表现和多次测试中的表现来辨别这些信息的真实性。测试结果表明，NVIDIA Xavier片上系统是未来汽车制造商的首选。”

标签：

汽车资讯热门资讯