Sisällysluettelo[Piilottaa][Näytä]
Tesla on amerikkalainen ajoneuvojen valmistaja, jonka perusti Elon Musk vuonna 2003.
Yritys tunnetaan parhaiten sähköautoistaan ja erikoistumisestaan aurinkopaneeleihin ja litiumioniakkujen energian varastointiin.
Tesla-autoissa on monia vallankumouksellisia ominaisuuksia, kuten superlataus, pääsy avainkorttiin ja autopilottitila.
Autopilottitila on ollut mahdollista tekoälyn (AI) ideoiden ja Teslan edistynyt hermoverkkoarkkitehtuuri.
Keskustellaan Tesla Neural Network -arkkitehtuurista yksityiskohtaisesti.
Mitä ovat hermoverkot?
Neuraaliverkot tai NN:t ovat sarja algoritmeja, jotka on mallinnettu niiden biologisen aktiivisuuden mukaan ihmisaivot. Neuraaliverkot koostuvat solmuista, joita kutsutaan myös neuroneiksi. Joukko pystysolmuja tunnetaan tasoina.
Jokainen kerros koostuu solmuista, joita kutsutaan myös neuroneiksi, joissa laskelmat tapahtuvat. Yhden kerroksen solmut on yhdistetty seuraavaan kerrokseen siirtolinjojen kautta, kuten alla näkyy.
Seuraavassa kaaviossa ympyrät edustavat solmuja ja pystysuora solmukokoelma kerroksia. Tässä mallissa on kolme kerrosta.
Miten he oppivat?
Tiedot syötetään malliin yksi kerrallaan etiketin kanssa. Tiedot jaetaan paloiksi ja kuljetetaan mallin jokaisen solmun läpi.
Solmut suorittavat matemaattisia operaatioita näille paloille. Yhden kerroksen laskelmien sarjan jälkeen tiedot siirtyvät seuraavalle tasolle ja niin edelleen.
Kun mallimme on valmis, se ennustaa datatunnisteen tulostuskerroksessa. Sitten malli vertaa tätä ennustettua arvoa todelliseen etikettiarvoon.
Jos arvot täsmäävät, mallimme ottaa seuraavan syötteen, mutta jos arvot eroavat, malli laskee molempien arvojen välisen eron, jota kutsutaan häviöksi, ja säätää solmulaskutoimituksia tuottaakseen vastaavat tunnisteet seuraavan kerran.
Teslan hermoverkkoarkkitehtuuri
Tesla käyttää huippuluokan tutkimusta kouluttaakseen syviä hermoverkkoja ongelmissa, jotka vaihtelevat havainnosta hallintaan.
Teslan kamerakohtaiset verkot analysoivat raakakuvia suorittaakseen semanttisen segmentoinnin, kohteen havaitsemisen ja monokulaarisen syvyyden arviointi.
Tietojoukot
Neuraaliverkot on koulutettu käsittelemään raakakuvia, jotka on poimittu lintuperspektiivistä verkkokameroista otetuista videoista, jotka tuottavat tien asettelun, staattisen infrastruktuurin ja 3D-objektit suoraan ylhäältä alas -näkymässä.
Datakuvat ovat nimeämättömiä ja kattavat monia erilaisia skenaarioita ympäri maailmaa ja koostuvat miljoonasta ajoneuvosta reaaliajassa.
Miten tämä toimii?
Verkko koostuu 70,000 48 graafisesta prosessointiyksiköstä (GPU), jotka kouluttavat XNUMX syvä oppiminen malleja.
Auton laitteistokomponentit, mukaan lukien kamerat ja anturit, tarjoavat valvomattomia tietoja, jotka kulkevat näiden mallien verkon läpi.
Auto oppii annetuista tiedoista ympäristön mahdolliset kohteet, kuten jalankulkija, puu jne.
Arkkitehtuuri koostuu myös kahdesta AI-sirusta, jotka käyttävät periaatteita syvä oppiminen. Nämä sirut auttavat tekemään reaaliaikaisia autoa koskevia päätöksiä, kuten milloin ja miten kääntyä ajon aikana.
Neural Network -arkkitehtuuri sisältää monia tehokkaita laitteita ja konsepteja, jotka edistävät sen toimintaa, mukaan lukien:
FSD-siru
Täysi itseohjaus (FSD) -sirut ovat AI-päätelmäsiruja, jotka käyttävät Teslan autopilottiohjelmistoa. Nämä sirut on suunniteltu mikroarkkitehtonisilla parannuksilla, jotka puristavat piin maksimaalisen suorituskyvyn wattia kohden.
FSD:t toteuttavat pohjasuunnittelun, ajoituksen ja tehoanalyysin samalla kun ne kirjoittavat kestäviä testejä ja tulostauluja varmistaakseen tekoälyn toimivuuden ja suorituskyvyn.
Dojo-sirut ja -järjestelmät
dojo on Teslan supertietokonejärjestelmä, joka ratkaisee vaikeita ongelmia korkean tehon toimituksen ja jäähdytyksen edistyneellä tekniikalla.
Dojo-sirut sisältävät tekoälyn, joka käyttää näitä järjestelmiä, ja ne on suunniteltu maksimaaliseen suorituskykyyn, suorituskykyyn ja kaistanleveyteen kaikilla tarkkuudella.
Siruja ja järjestelmiä käytetään yhdessä optimoimaan Teslan NN:n teho ja suorituskyky.
Autonomian algoritmit
Autonomiaalgoritmit ovat ydinalgoritmeja, jotka ohjaavat autoa luomalla korkealaatuisen esityksen maailmasta ja suunnittelemalla liikeradat tietyssä tilassa.
jotta kouluttaa neuroverkkoja ennustaakseen tällaisia esityksiä Tesla luo algoritmisesti tarkkaa ja laajamittaista pohjatotuustietoa yhdistämällä auton antureista peräisin olevia tietoja avaruudessa ja ajassa.
Nämä algoritmit käyttävät kehittyneitä tekniikoita rakentaakseen vankan suunnittelu- ja päätöksentekojärjestelmän, joka toimii monimutkaisissa reaalimaailman tilanteissa epävarmuuden vallitessa.
Arviointiinfrastruktuuri
Teslan arviointiinfrastruktuuri sisältää avoimen silmukan, suljetun silmukan ja hardware in-the-loop -arviointityökalut ja infrastruktuurin mittakaavassa.
Tämän infrastruktuurin avulla tekoäly voi seurata suorituskyvyn parannuksia ja estää taantumista.
Teslan NN:n tärkeimmät ominaisuudet
- Kamerat, ultraäänianturit ja tutka havaitsevat ympäristön
- Tutka mittaa etäisyyden auton ympäriltä
- Ultraviolettitekniikat mittaavat läheisyyttä ja passiivinen video tunnistaa esineet auton ympärillä
- Käyttää kahta AI-sirua, jotka on rakennettu syvien hermoverkkojen periaatteille
- AI-sirut, jotka koostuvat 6 miljardista transistorista
- 21 kertaa nopeampi kuin Nvidia-sirut
- AI-siruissa on 32 megatavua nopeaa SRAM-muistia
- Sisältää 48 Deep Learning -mallia
- Sisältää 70,000 XNUMX graafista prosessointiyksikköä (GPU)
- Tulostaa 1000 erilaista tensoria (ennustetta) kullakin aikavaiheella
Yhteenveto
Teslan huippua Neuraaliverkot ja tekoälyarkkitehtuuri on tehnyt ajatuksen itseohjautuvista autoista totta.
Tämä johtavan tekoälyyn perustuvan autonvalmistajan menestys on seurausta sen edistyksellisyydestä FSD-sirut, Dojo-sirut, autonomia-algoritmit, arviointiinfrastruktuuri ja paljon muuta.
Jos haluat oppia lisää tekoälystä, syväoppimisesta ja uusimmista teknologiatrendeistä, tutustu muihin mielenkiintoisiin artikkeleihimme.
Jätä vastaus