源之原味

企业可从自动驾驶中学习的前5件事

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2017/12/11/top-5-things-enterprise/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

在将自动驾驶汽车带到市场的竞赛中, 汽车工业正把踏板放在深学习领域的金属上。一路上, 他们正在浏览和超越工作流程和基础架构挑战, 将他们的研究转向现实世界的应用。

但他们面临的障碍并不限于自主驾驶的世界。

当他们把深入的学习融入到他们的业务中时, 这里是公司从汽车市场的经验中可以学到的前五东西。

1. 拥抱新的。

我们是在一个早期的阶段 新的计算时代-AI 计算, 这是由 GPU 深入学习。任何新的东西通常都是战战兢兢或谨慎的, 但那些及早拥抱改变的人将收获好处。

不久前, 自动驾驶车辆是科幻小说的素材。现在, 自治赛车, 像 Robocar, 正走在赛道上。 自主卡车正准备对长途货运进行革命性的改革。和汽车有智慧, 不仅 浏览交通堵塞, 还要看着你你开车的时候

汽车行业已经迅速打破传统, 并接受最新的技术。AI 的早期采纳者已经将自己定位在竞争激烈市场的前沿, 并准备好从中获益。

现在是企业抢占先机的时候了, AI 用双手提供。

2。 获得良好的质量数据。还有很多

深度学习系统的成功是通过他们所达到的准确度水平来衡量的。这需要大量的培训数据。和复杂的神经网络需要发展, 以学习这些庞大的数据集, 而不忘记过去的经验。

在最近的一个博客中, Grzywaczewski, 一个在 NVIDIA 的深度学习解决方案架构师, 解释了自主的汽车开发商是如何达到的水平 安全关键系统要求的性能.神经网络需要对包含所有可能的驱动变量的数据集进行培训-从天气到情景变化。这些数据集还需要包含高品质的、标记的资料。

在数据收集上偷工减料是不明智的。实施清晰的工作流程对于企业获取所需的数据种类和数量至关重要。

3. 聘用并留住优秀人才。

对有技能的员工的需求远远超过了为深学习开发人员日益竞争的就业市场提供的服务。但是建立正确的团队对于成功的长期 AI 战略至关重要。

汽车行业了解这一点, 并已投资于招聘 和发展 人才.投资于一个平衡、有经验、有才华的团队可以让企业从人群中脱颖而出, 吸引更多的新人。

根据 福布斯, 一些大的球员已经转而提供可观的薪水来吸引人才。

为了留住你所吸引的人才, 你还需要为他们提供合适的空间来成长和发展, 以及他们所需要的工具来完成他们最好的工作。您的研究团队将不得不执行数以千计的培训工作, 因为他们构建您的系统。某些作业将在小型数据集上运行, 以进行调试和执行类似的小型任务。 例如, 大众汽车公司已经建立了 数据: 实验室倡议, 以支持初创公司和有才华的人谁正在致力于创新的汽车解决方案。

4. 利用最新的深度学习开发平台。

深入学习算法和框架正在以空前的速度发展。仅在过去的六月中, 一个框架, TensorFlow, 通过六不同的版本 (从版本0.12 到 1.4) 演变而来。

利用最新的深度学习平台可以帮助你确保你总是更新的, 能够集中精力解决问题, 而不是设计和重新设计。

大型汽车公司, 如 沃尔沃, 大众, ZF, 奥托立夫和海, 以及 145汽车初创公司从世界各地转向 NVIDIA 的 AI 平台。这些平台提供了一个 cloud-to-car 的解决方案, NVIDIA DGX 系统在数据中心培训深层神经网络, 并 NVIDIA 驱动器 PX交付 real-time, 低推理在车辆安全驾驶。

NVIDIA DGX 系统完全集成了 GPU 优化的深层学习框架、工具和库。配对 NVIDIA GPU 云, 强大的系统使实验、扩展和协作变得快速和容易。此外, NVIDIA 还提供定期更新和企业级支持。

5. 成功需要灵活性和稳定性。

在一个极其动态的深层学习生态系统中为开发者创造一个稳定的平台是至关重要的。发展一个 终端生产流水线可以帮助确保你培养创新, 同时也不会忽视项目的目标。

建立基准性能模型和有用的度量标准可以提供对项目性能的洞察力, 并允许在模型之间进行简单的比较。定期对这些指标进行测试将使测量进度更容易, 并揭示可以改进的地方。

请记住, AI 算法很少孤立地生活。当作为产品部署时, 它们将必须满足许多非功能性需求。无论您的系统是受功耗、滞后时间、内存还是其他东西的限制, 请确保您了解、控制并能够从第一天起对这些要求做出反应。

Grzywaczewski 的博客, 他进一步探讨了建立度量标准的必要性, 以及它们如何帮助您规划汽车开发的规模。他所探讨的相同的关键主题适用于企业挑战, 特别是复杂的挑战需要结合解决方案的信息。

了解更多

L赚取更多关于如何 NVIDIA GPU 云, DGX-1 和深入学习可以帮助您的业务。

要评估您的问题的复杂性, 请讨论分布式培训和 large-scale 模型验证的挑战, 或者在组织您自己的人工智能团队时获得支持 联系我们的企业支持团队.

Leave A Reply

Your email address will not be published.