Преглед садржаја[Сакрити][Прикажи]
Тесла је америчка компанија за производњу возила коју је основао Елон Муск у КСНУМКС.
Компанија је најпознатија по својим електричним аутомобилима и специјализованој за соларне панеле и складиштење енергије литијум-јонских батерија.
Тесла аутомобили долазе са пуно револуционарних функција, укључујући супер пуњење, приступ кључној картици и режим аутопилота.
Режим аутопилота је могућ захваљујући идејама вештачке интелигенције (АИ) и Теслина напредна архитектура неуронске мреже.
Хајде да детаљно разговарамо о архитектури Тесла неуронске мреже.
Шта су неуронске мреже?
Неуралне мреже, или НН, су низ алгоритама моделираних према биолошкој активности људски мозак. Неуронске мреже састоје се од чворова, који се називају и неурони. Колекција вертикалних чворова позната је као слојеви.
Сваки слој се састоји од чворова, који се називају и неурони, где се одвијају прорачуни. Чворови једног слоја су повезани са следећим слојем преко далековода као што се види испод.
У следећем дијаграму, кругови представљају чворове, а вертикална колекција чворова представља слојеве. У овом моделу постоје три слоја.
Како они уче?
Подаци се уносе у модел један по један ентитет заједно са ознаком. Подаци се рашчлањују на делове и прослеђују кроз сваки чвор модела.
Чворови изводе математичке операције на овим деловима. Након серије прорачуна у једном слоју, подаци прелазе на следећи слој и тако даље.
Када се заврши, наш модел предвиђа ознаку података на излазном слоју. Модел затим наставља да пореди ову предвиђену вредност са оном стварне вредности ознаке.
Ако се вредности поклапају, наш модел ће узети следећи унос, али ако се вредности разликују, модел ће израчунати разлику између обе вредности, што се назива губитком, и прилагодити прорачуне чворова да би следећи пут произвео одговарајуће ознаке.
Теслина архитектура неуронске мреже
Тесла користи најсавременија истраживања да обучи дубоке неуронске мреже о проблемима који се крећу од перцепције до контроле.
Теслине мреже по камери анализирају необрађене слике да би извршиле семантичку сегментацију, детекцију објеката и монокуларна процена дубине.
Тхе Датасетс
Неуралне мреже су обучене на сировим сликама које су извучене из видео записа снимљених са мрежних камера из птичје перспективе које приказују распоред пута, статичку инфраструктуру и 3Д објекте директно у приказу одозго надоле.
Слике података су неозначене и покривају много различитих сценарија широм света и састоје се од милион возила у реалном времену.
Како то функционише?
Мрежа се састоји од 70,000 јединица за графичку обраду (ГПУ), које обучавају 48 дубоко учење модели.
Хардверске компоненте аутомобила, укључујући камере и сензоре, пружају ненадзиране податке који се преносе кроз мрежу ових модела.
Из датих података аутомобил учи о могућим објектима у окружењу, попут пешака, дрвета итд.
Архитектура се такође састоји од два АИ чипа који користе принципе дубоко учење. Ови чипови помажу у доношењу одлука у реалном времену за аутомобил, на пример када и како да скрене, током вожње.
Архитектура неуронске мреже укључује многе моћне уређаје и концепте који доприносе њеном раду, укључујући:
ФСД Цхип
Потпуно самостално управљање (ФСД) чипови су чипови за закључивање АИ који покрећу Теслин софтвер за аутопилот. Ови чипови су дизајнирани са микроархитектонским побољшањима која истискују максималне перформансе силикона по вату.
ФСД-ови имплементирају планирање пода, анализу времена и снаге док пишу робусне тестове и табеле са резултатима како би верификовали функционалност и перформансе вештачке интелигенције.
Дојо чипови и системи
Дојо је Теслин супер компјутерски систем који решава тешке проблеме са напредном технологијом за испоруку и хлађење велике снаге.
Дојо чипови укључују вештачку интелигенцију која покреће ове системе и дизајнирани су за максималне перформансе, пропусност и пропусни опсег у свакој грануларности.
Заједно, чипови и системи се користе за оптимизацију снаге и перформанси за Теслин НН.
Алгоритми аутономије
Алгоритми аутономије су основни алгоритми који покрећу аутомобил тако што стварају високо верну репрезентацију света и планирају путање у датом простору.
До обучити неуронске мреже да би предвидео такве репрезентације, Тесла алгоритамски ствара тачне и велике податке о истинитости података комбиновањем информација са сензора аутомобила у простору и времену.
Ови алгоритми користе напредне технике за изградњу робусног система планирања и доношења одлука који ради у компликованим ситуацијама у стварном свету под неизвесношћу.
Инфраструктура за евалуацију
Теслина инфраструктура за евалуацију укључује алате за евалуацију отворене петље, затворене петље и хардвера у петљи и инфраструктуру у великом обиму.
Ова инфраструктура омогућава вештачкој интелигенцији да прати побољшања перформанси и спречи регресије.
Кључне карактеристике Теслиног НН
- Камере, ултразвучни сензори и радари опажају околину
- Радар мери растојање око аутомобила
- Ултраљубичасте технике мере близину, а пасивни видео препознаје објекте око аутомобила
- Користи два АИ чипа изграђена на принципима дубоких неуронских мрежа
- АИ чипови који чине 6 милијарди транзистора
- 21 пута бржи од Нвидиа чипова
- АИ чипови имају 32 мегабајта СРАМ меморије велике брзине
- Састоји се од 48 модела дубоког учења
- Садржи 70,000 јединица за графичку обраду (ГПУ)
- Излази 1000 различитих тензора (предвиђања) у сваком временском кораку
Zakljucak
Теслина најсавременија Неуронске мреже и АИ архитектура је учинила идеју о аутомобилима који се сами возе у стварност.
Овај успех водећег произвођача аутомобила заснованог на вештачкој интелигенцији резултат је његовог напредовања ФСД чипови, Дојо чипови, алгоритми аутономије, инфраструктура за евалуацију и још много тога.
Ако желите да сазнате више о вештачкој интелигенцији, дубоком учењу и најновијим технолошким трендовима, погледајте наше друге занимљиве чланке.
Ostavite komentar