如何拥抱深度学习?

发布网友发布时间：2022-04-26 00:48

共1个回答

热心网友时间：2022-04-12 01:53

在拥抱深度学习技术方面，汽车行业堪称“先锋”。为了将自动驾驶投入市场，汽车行业不断克服工作流程和基础架构方面的挑战，并在实际应用中检验研究成果。经过摸索，他们总结出了以下五项重要启示。对于同样正在尝试应用深度学习的企业来说，一定会从中有所收获。

积极接受新事物

我们正处于新计算时代，即人工智能计算的早期阶段，其动力源泉就是 GPU 深度学习。新事物常常会让人望而却步或谨慎待之，但是较早选择“吃螃蟹”的人通常可以独享其成。

不久之前，自动驾驶汽车还仅仅是在科幻小说中出现的事物。可是现在，自动驾驶赛车已经上路开跑，自动驾驶货车正在*长途货物配送业。这些智能的汽车，不仅可以在交通堵塞时进行导航，还可以在驾驶过程中守护您的安全。

汽车行业已迅速地打破传统，积极地接受各种新技术。人工智能的早期用户已在竞争激烈的市场中抢占先机，并且从中受益。

获取高质量的数据，并且多多益善

一套成功的深度学习系统，需要实现较高的准确性，而这就需要大量的训练数据。如果想要从这些庞大的数据集中学习并记住过往经验，还必须开发复杂的神经网络。

在最近的一篇博客中，NVIDIA 深度学习解决方案架构师 Adam Grzywaczewski 解释了自动驾驶汽车开发人员如何实现安全关键系统所需的性能水平。神经系统需要在整合各种可能的驾驶变量（从天气到情景变化）的数据集上进行训练。这些数据集还需要包括高质量的标记数据。

在数据收集上偷工减料是非常不可取的。企业要获得所需的数据类型和数量，必须执行明确的工作流程。

聘用并留住人才

在竞争激烈的深度学习开发人员就业市场中，企业很难找到训练有素的员工。但对于一个成功的长期人工智能战略而言，组建合适的团队至关重要。

汽车行业对此深以为然，并在聘用和培养人才方面花费了大量精力。通过投资一个稳定、经验丰富、才华出众的团队，企业可以从众多竞争者中脱颖而出，并吸引更多新成员的加入。

《福布斯》报道称，一些著名企业已经开始通过高薪手段吸引人才。

要留住已聘用的人才，您还需要为其提供适当的成长和发展空间，以及有利于发挥他们才干的工具。比如，大众公司就设立了“Data:Lab”计划，为研究创新型汽车解决方案的初创公司和才华出众的人才提供支持。

充分利用新的深度学习开发平台

深度学习算法和框架正以惊人的速度实现发展演变。仅在过去的六个月中，TensorFlow 框架便已经演化出六个不同的版本（从版本0.12到 1.4）。

利用新的深度学习平台有助于确保您实时更新，进而集中精力解决问题，而不会过度设计和重新设计。

许多大型汽车公司（例如沃尔沃、大众、ZF、Autoliv 和 HELLA）以及来自全球的145家汽车初创公司都纷纷采用 NVIDIA 的人工智能平台，开发出从云端到车辆的解决方案。这些方案运用 NVIDIA DGX 系统训练数据中心中的深度神经网络，并使用 NVIDIA DRIVE PX 提供实时、低延迟的推理分析，以确保安全行驶。

NVIDIA DGX 系统与针对 GPU 优化的深度学习框架、工具和库全面集成。与 NVIDIA GPU Cloud 结合使用后，这个强大的系统可以快速、安全地进行实验、扩展和协作。另外，NVIDIA 还提供定期更新和企业级支持。

以下视频为您生动展示了NVIDIA DGX系统的优势：

视频加载中...

取得成功需兼具灵活性和稳定性

在极其动态的深度学习生态系统中，开发人员需要打造一个稳定的平台。

设立基准性能模型和有用的指标有助于了解项目性能，并轻松对模型进行比较。定期根据这些指标进行测试能够更轻松地测量进度，并找出需要改进的地方。

请记住，人工智能算法之间总是存在千丝万缕的联系。在部署产品时，这些算法需要满足许多非功能性要求。如果您的系统受到功耗、延迟性、内存或者其他项的*，请确保您从一开始便了解这些要求，并能够对其进行响应。

在 Grzywaczewski 的博客中，他进一步探讨了设立指标的必要性，以及指标如何帮助您制定计划并进行规模化的汽车研发。同时他还指出，当面对复杂的挑战时，企业需要结合多个解决方案来应对。

复制以下链接到浏览器，阅读博客详细内容：

https://devblogs.nvidia.com/parallelforall/training-self-driving-vehicles-challenge-scale/