特斯拉新專利：讓神經網絡自動適應硬件平臺

據外媒報道，特斯拉近日宣布了一項題為“神經網絡模型與硬件平臺相適應的系統和方法”的專利。

一般來說，神經網絡是一組用于收集數據并從中識別模式的算法。收集的具體數據取決于所涉及的平臺以及平臺可以發送給網絡的信息類型，如相機/圖像數據。平臺之間的差異意味著神經網絡算法之間的差異，對開發人員來說進行調整可能非常耗時。正如應用程序必須編程才能在手機或平板電腦的操作系統或硬件上工作一樣，神經網絡也是如此。然而，特斯拉對神經網絡的適應性采用了自動化的方法。在使神經網絡適應特定硬件的過程中，軟件開發人員必須根據所用硬件中內置的可用選項做出決策。通常，有必要按順序研究這些選項，查看硬件文檔，分析影響，選擇每組選項，并最終將它們作為配置添加到神經網絡中。特斯拉將這些選項稱為“決策點”，是本發明有效性的關鍵部分。根據專利申請文件，在插入神經網絡模型和特定的硬件平臺信息以使神經網絡適應硬件平臺后，軟件代碼將傳播到整個神經網絡中，以了解決策點的位置，然后對這些決策點的硬件參數進行操作，以實現可用的配置。更具體地說，這種軟件方法專注于硬件限制，并為神經網絡正確運行生成設置。該文件指出：為了具體執行抽象神經網絡，可能需要做出與一個或多個系統組件、數值精度、算法選擇、數據填充、加速器使用、步幅等相關的執行決策。這些決策可能需要在神經網絡的每一層或張量基礎上做出。因此，一個特定的神經網絡可能需要做出數百個甚至更多的決策。本發明適用于神經網絡的執行。以前，考慮了許多因素，因為底層軟件或硬件平臺不支持許多配置，這可能導致神經網絡無法執行。特斯拉的發明還具有在圖形界面上顯示神經網絡配置信息的能力，從而允許更用戶友好的評估和選擇。例如，不同的配置可能需要不同的評估時間、功耗或內存消耗。根據跟蹤模式和距離模式之間的差異選擇配置，而不是人們希望人工智能如何使用硬件。據報道，該專利申請似乎是特斯拉收購DeepScale后開發的產品之一。DeepScale是一家專注于全自動駕駛和為小型設備設計神經網絡的人工智能初創公司。該專利的發明人是Michael Driscoll博士，他曾是DeepScale的高級工程師，后來成為特斯拉的高級軟件工程師。在今年進行獨立研究之前，DeepScale前首席執行官Forrest Iandola博士也曾擔任特斯拉的高級機器學習科學家。

標簽：特斯拉

汽車資訊熱門資訊