Tesla is 'n Amerikaanse voertuigvervaardigingsmaatskappy gestig deur Elon Musk in 2003.
Die maatskappy is veral bekend vir sy elektriese motors en vir spesialisering in sonpanele en litium-ioon-battery-energieberging.
Tesla-motors kom met baie revolusionêre kenmerke, insluitend superlaai, sleutelkaarttoegang en 'n autopilot-modus.
Die autopilot-modus was moontlik as gevolg van idees van Kunsmatige Intelligensie (AI) en Tesla se gevorderde neurale netwerkargitektuur.
Kom ons bespreek die Tesla Neurale Netwerk-argitektuur in detail.
Wat is neurale netwerke?
Neurale netwerke, of NN'e, is 'n reeks algoritmes wat gemodelleer is na die biologiese aktiwiteit van die menslike brein. Neurale netwerke bestaan uit nodusse, ook genoem neurone. 'n Versameling vertikale nodusse staan bekend as lae.
Elke laag bestaan uit nodusse, ook genoem neurone, waar die berekeninge plaasvind. Die nodusse van een laag is deur transmissielyne aan die volgende laag verbind, soos hieronder gesien.
In die volgende diagram verteenwoordig die sirkels die nodusse en die vertikale versameling nodusse verteenwoordig die lae. Daar is drie lae in hierdie model.
Hoe leer hulle?
Data word een entiteit op 'n slag saam met 'n etiket na die model gevoer. Die data word in stukke opgebreek en deur elke nodus van die model gestuur.
Nodes voer wiskundige bewerkings op hierdie stukke uit. Na 'n reeks berekeninge in een laag, gaan data na die volgende laag en so aan.
Sodra dit voltooi is, voorspel ons model die data-etiket by die uitvoerlaag. Die model gaan dan voort om hierdie voorspelde waarde met dié van die werklike etiketwaarde te vergelyk.
As die waardes ooreenstem, sal ons model die volgende invoer neem, maar as die waardes verskil, sal die model die verskil tussen beide waardes, genoem verlies, bereken en nodusberekeninge aanpas om volgende keer bypassende etikette te produseer.
Tesla se neurale netwerkargitektuur
Tesla gebruik die nuutste navorsing om diep neurale netwerke op te lei oor probleme wat wissel van persepsie tot beheer.
Tesla se per-kamera netwerke ontleed rou beelde om semantiese segmentering, objekbespeuring en monokulêre diepte skatting.
Die datastelle
Die neurale netwerke word opgelei op rou beelde wat onttrek word uit video's geneem van voëlkyk-netwerkkameras wat die paduitleg, statiese infrastruktuur en 3D-voorwerpe direk in die bo-na-onder-aansig uitvoer.
Databeelde is ongemerk en dek baie uiteenlopende scenario's regoor die wêreld en bestaan uit een miljoen voertuie in reële tyd.
Hoe werk dit?
Die netwerk bestaan uit 70,000 48 grafiese verwerkingseenhede (GPU's), wat XNUMX oplei diep leer modelle.
Die hardeware-komponente van die motor, insluitend kameras en sensors, verskaf data sonder toesig wat deur die netwerk van hierdie modelle gestuur word.
Die motor leer van moontlike voorwerpe in 'n omgewing, soos 'n voetganger, boom, ens. uit die gegewe data.
Die argitektuur bestaan ook uit twee KI-skyfies wat die beginsels van gebruik diep leer. Hierdie skyfies help om intydse besluite vir die motor te neem, soos wanneer en hoe om te draai, terwyl jy bestuur.
Die neurale netwerkargitektuur bevat baie kragtige toestelle en konsepte wat bydra tot die werking daarvan, insluitend:
FSD-skyfie
Volle selfbestuur (FSD)-skyfies is KI-afleidingskyfies wat Tesla se autopilot-sagteware laat loop. Hierdie skyfies is ontwerp met mikro-argitektoniese verbeterings wat die maksimum silikonprestasie-per-watt druk.
FSD's implementeer vloerbeplanning, tydsberekening en kragontleding terwyl hulle robuuste toetse en telborde skryf om KI se funksionaliteit en werkverrigting te verifieer.
Dojo-skyfies en -stelsels
dojo is Tesla se superrekenaarstelsel wat harde probleme oplos met gevorderde tegnologie vir hoëkraglewering en verkoeling.
Dojo-skyfies sluit die KI in wat hierdie stelsels aandryf en is ontwerp vir maksimum werkverrigting, deurset en bandwydte by elke korreligheid.
Saam word die skyfies en stelsels gebruik om krag en werkverrigting vir Tesla se NN te optimaliseer.
Outonomie-algoritmes
Outonomie-algoritmes is die kernalgoritmes wat die motor bestuur deur 'n hoëtrou-voorstelling van die wêreld te skep en bane in 'n gegewe ruimte te beplan.
om lei neurale netwerke op om sulke voorstellings te voorspel, skep Tesla algoritmies akkurate en grootskaalse grondwaarheiddata deur inligting van die motor se sensors oor ruimte en tyd te kombineer.
Hierdie algoritmes gebruik gevorderde tegnieke om 'n robuuste beplannings- en besluitnemingstelsel te bou wat in ingewikkelde werklike situasies onder onsekerheid funksioneer.
Evaluering Infrastruktuur
Tesla se evaluasie-infrastruktuur sluit ooplus-, geslotelus- en hardeware-in-die-lus-evalueringsinstrumente en -infrastruktuur op skaal in.
Hierdie infrastruktuur laat KI toe om prestasieverbeterings op te spoor en regressies te voorkom.
Sleutelkenmerke van Tesla se NN
- Kameras, ultrasoniese sensors en radar neem die omgewing waar
- ’n Radar meet die afstand om die motor
- Ultraviolettegnieke meet nabyheid en passiewe video herken voorwerpe rondom die motor
- Gebruik twee KI-skyfies gebou op beginsels van diep neurale netwerke
- KI-skyfies wat uit 6 miljard transistors bestaan
- 21 keer vinniger as Nvidia-skyfies
- KI-skyfies het 32 megagrepe hoëspoed-SRAM-geheue
- Bestaan uit 48 Deep Learning-modelle
- Bevat 70,000 XNUMX grafiese verwerkingseenhede (GPU's)
- Voer 1000 afsonderlike tensors (voorspellings) op elke tydstap uit
Gevolgtrekking
Tesla se voorpunt Neurale netwerke en KI-argitektuur het die idee van selfbesturende motors 'n werklikheid gemaak.
Hierdie sukses van die voorste KI-gebaseerde motorvervaardiger is die gevolg van sy gevorderde FSD-skyfies, Dojo-skyfies, outonomie-algoritmes, evaluasie-infrastruktuur, en meer.
As jy meer wil leer oor KI, Deep Learning en die nuutste tegnologieneigings, kyk na ons ander interessante artikels.
Lewer Kommentaar