-
當(dāng)前位置:首頁(yè) > 創(chuàng)意學(xué)院 > 營(yíng)銷(xiāo)推廣 > 專(zhuān)題列表 > 正文
gpt需要算力(GPT需要算力嗎)
大家好!今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于gpt需要算力的問(wèn)題,以下是小編對(duì)此問(wèn)題的歸納整理,讓我們一起來(lái)看看吧。
開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等
只需要輸入關(guān)鍵詞,就能返回你想要的內(nèi)容,有小程序、在線網(wǎng)頁(yè)版、PC客戶端和批量生成器
問(wèn)友Ai官網(wǎng):https://ai.de1919.com。
本文目錄:
DriveGPT落地后,卷激光雷達(dá)和算力會(huì)變得毫無(wú)意義?
席卷自動(dòng)駕駛行業(yè)的寒冬還沒(méi)有過(guò)去,開(kāi)發(fā)周期長(zhǎng)、成本高,又難落地的問(wèn)題并沒(méi)有完全被解決,而大量的車(chē)企都在激進(jìn)的進(jìn)行電動(dòng)化和智能化的轉(zhuǎn)型,自動(dòng)駕駛的研發(fā)又是繞不開(kāi)的重要一部分。
可是靠自動(dòng)駕駛技術(shù)和故事去吸引消費(fèi)者的路線已經(jīng)逐漸走不通了,比亞迪王傳福也站出來(lái)炮轟自動(dòng)駕駛,讓自動(dòng)駕駛的寒意更濃了。
其實(shí)自動(dòng)駕駛難落地的問(wèn)題,對(duì)于誰(shuí)都一樣,誰(shuí)都繞不過(guò)去這個(gè)問(wèn)題,但是車(chē)企和自動(dòng)駕駛企業(yè)們可以在“開(kāi)發(fā)周期和成本”方面開(kāi)卷,因?yàn)樵诖蟓h(huán)境不利的情況下,誰(shuí)能用更低的成本和更高的效率堅(jiān)持并維持住,才可能在春暖花開(kāi)之時(shí)迎來(lái)綻放。
自動(dòng)駕駛寒冬之下,靠AI真能降成本?在本周的在第八屆毫末AI DAY上,毫末智行發(fā)布了首個(gè)應(yīng)用GPT模型和技術(shù)邏輯的自動(dòng)駕駛算法模型DriveGPT,并正式官宣中文名為“雪湖·海若”。DriveGPT首發(fā)車(chē)型是即將量產(chǎn)上市的全新摩卡DHT-PHEV,有了DriveGPT之后,自動(dòng)駕駛開(kāi)發(fā)中的周期和成本都會(huì)大幅縮短和降低。
目前的自動(dòng)駕駛技術(shù)發(fā)展情況,主流的自動(dòng)駕駛訓(xùn)練方式主要有兩種:真實(shí)道路測(cè)試和虛擬仿真測(cè)試。
真實(shí)道路測(cè)試最大的特點(diǎn)是能夠與真實(shí)交通環(huán)境相匹配,模擬真實(shí)生活中的各種復(fù)雜情況。同時(shí),真實(shí)道路測(cè)試還可以發(fā)現(xiàn)一些不常見(jiàn)或難以預(yù)測(cè)的情況,提高自動(dòng)駕駛系統(tǒng)的適應(yīng)性和可靠性。然而,真實(shí)道路測(cè)試需要大量的時(shí)間和金錢(qián)投入,同時(shí)還涉及交通安全、法律法規(guī)以及人員傷害等問(wèn)題,給測(cè)試過(guò)程帶來(lái)了一定的風(fēng)險(xiǎn)和壓力。這些都會(huì)導(dǎo)致測(cè)試成本的增加。
另一種方式就是虛擬仿真測(cè)試,它是在計(jì)算機(jī)模擬環(huán)境下測(cè)試自動(dòng)駕駛系統(tǒng),通過(guò)虛擬場(chǎng)景來(lái)訓(xùn)練模型。虛擬仿真測(cè)試可以避免真實(shí)道路測(cè)試中的安全問(wèn)題和成本壓力,同時(shí)還可以快速生成大量的數(shù)據(jù),提高測(cè)試效率和數(shù)據(jù)量,而且在其中已經(jīng)輔以了不少AI人工智能技術(shù)。
但是,虛擬仿真測(cè)試中的數(shù)據(jù)和場(chǎng)景是人為設(shè)計(jì)的,可能無(wú)法完全反映真實(shí)道路的復(fù)雜性和不確定性。因此,虛擬仿真測(cè)試有時(shí)需要進(jìn)行一定程度的真實(shí)道路測(cè)試來(lái)驗(yàn)證其結(jié)果。
DriveGPT采用了與ChatGPT一樣的Transformer模型與RLHF人類(lèi)反饋學(xué)習(xí)能力,通過(guò)引入真實(shí)駕駛場(chǎng)景和人駕接管數(shù)據(jù),可對(duì)自動(dòng)駕駛認(rèn)知決策模型進(jìn)行持續(xù)優(yōu)化,從而為自動(dòng)駕駛開(kāi)發(fā)降低成本。
由于DriveGPT是在虛擬仿真環(huán)境下進(jìn)行訓(xùn)練的,因此可以省去真實(shí)道路測(cè)試中的安全問(wèn)題和成本壓力。DriveGPT能夠生成大量的仿真數(shù)據(jù)用于訓(xùn)練模型,這些數(shù)據(jù)能夠很好地模擬真實(shí)道路的復(fù)雜性和不確定性,從而保證模型的魯棒性和可靠性。同時(shí),在仿真環(huán)境下進(jìn)行訓(xùn)練還可以大大節(jié)約時(shí)間和成本。
15天就能完成1年的任務(wù)量,還能“賺外快”?與傳統(tǒng)的真實(shí)道路測(cè)試相比,DriveGPT能夠快速高效地獲取大量數(shù)據(jù)。DriveGPT的訓(xùn)練過(guò)程是完全自動(dòng)化的,不受測(cè)試時(shí)間、環(huán)境等因素的影響,從而大大提高了測(cè)試效率和數(shù)據(jù)量。這不僅節(jié)約了訓(xùn)練時(shí)間,還可以提高模型的精度和魯棒性。
DriveGPT自身能區(qū)分駕駛場(chǎng)景和非駕駛場(chǎng)景,并可以理解駕駛環(huán)境,還可用于場(chǎng)景識(shí)別標(biāo)注任務(wù),比如標(biāo)注車(chē)道線、交通參與者、紅綠燈、路牌等細(xì)節(jié)信息,并且每張圖的識(shí)別優(yōu)化價(jià)格從約 5 元下降到 0.5 元,成本下降了近10倍,在OpenAI的GPT-4出來(lái)的時(shí)候,它的識(shí)圖能力引起了我們的高度關(guān)注,而與其底層類(lèi)似的DriveGPT,已經(jīng)把這項(xiàng)能力用了起來(lái)。
AI自動(dòng)識(shí)圖逐漸開(kāi)始代替人工,人工標(biāo)注的效率和成本是繞不過(guò)的問(wèn)題,機(jī)器不需要休息,也幾乎不會(huì)眼花,而自動(dòng)標(biāo)注的成本僅是過(guò)去使用人工的十分之一不到,而且半個(gè)月就能完成人力一年的需求。
DriveGPT使用大量的仿真數(shù)據(jù)來(lái)訓(xùn)練模型,這些數(shù)據(jù)能夠很好地反映真實(shí)道路的復(fù)雜性和不確定性,DriveGPT它能夠更好地處理自然語(yǔ)言、圖像等多種數(shù)據(jù)類(lèi)型,還可以去自行學(xué)習(xí),從而提高模型的復(fù)雜性和準(zhǔn)確性。
另外在產(chǎn)品迭代方面,DriveGPT能夠?yàn)樽詣?dòng)駕駛開(kāi)發(fā)者提供快速有效的反饋,幫助它們更快地調(diào)試和優(yōu)化系統(tǒng),從而進(jìn)一步降低系統(tǒng)迭代方面的開(kāi)發(fā)成本。
通過(guò)DriveGPT訓(xùn)練出來(lái)的模型可以轉(zhuǎn)移到真實(shí)道路測(cè)試中進(jìn)行驗(yàn)證,進(jìn)一步提高了系統(tǒng)的安全性和可靠性。DriveGPT訓(xùn)練出來(lái)的模型能夠很好地反映真實(shí)道路的復(fù)雜性和不確定性,從而在真實(shí)道路測(cè)試中能夠更快地適應(yīng)各種情況,DriveGPT還可以同時(shí)讓系統(tǒng)處于多個(gè)平行宇宙之中,也就是提前做好再一次遇到類(lèi)似情況可能發(fā)生的各種駕駛情況,在預(yù)測(cè)人車(chē)軌跡能力上也得到了大幅提升。
DriveGPT的能力不只局限于自動(dòng)駕駛領(lǐng)域內(nèi),我們看到毫末的合作伙伴還有北京交通大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院、火山引擎、華為云、京東科技、高通、四維圖新、英特爾等,當(dāng)然這里面有很多是供應(yīng)商伙伴,但四維圖新這個(gè)伙伴,可能是DriveGPT要去賦能的另外一部分。
此次四維圖新也官宣表示:接入毫末DriveGPT雪湖·海若,可實(shí)現(xiàn)持續(xù)雙向賦能。借助DriveGPT雪湖·海若算法能力可提升地圖成圖自動(dòng)化水平。DriveGPT對(duì)于圖像強(qiáng)大的理解能力,可以應(yīng)用于地圖測(cè)繪方面,DriveGPT可以使用AI大模型來(lái)進(jìn)行對(duì)物體的識(shí)別,特別是建筑物,具體來(lái)說(shuō),它可以通過(guò)大量的地圖數(shù)據(jù)和衛(wèi)星影像數(shù)據(jù)進(jìn)行訓(xùn)練,然后利用這些數(shù)據(jù)來(lái)識(shí)別、分類(lèi)和標(biāo)注建筑物信息。同時(shí),由于DriveGPT使用的是AI技術(shù),因此其識(shí)別準(zhǔn)確率和效率都比傳統(tǒng)的人工測(cè)繪方法更高。
除了建筑物識(shí)別,DriveGPT還可以用于其他地圖測(cè)繪任務(wù),例如道路標(biāo)注、地形分析、地圖更新等,特別是隨著搭載DriveGPT的車(chē)型越來(lái)越多,它們甚至可以去試試生成鮮度比較高的高精地圖,雖然毫末打造的是重感知、輕地圖的系統(tǒng),DriveGPT也是為了去加深這一目的,但是高精地圖可以給到供應(yīng)商去做別的事情,并不是只有自動(dòng)駕駛需要高精地圖。
總結(jié):與傳統(tǒng)的自動(dòng)駕駛訓(xùn)練方式相比,DriveGPT能夠省去真實(shí)道路測(cè)試中的安全問(wèn)題和成本壓力,同時(shí)能夠高效快速地獲取大量數(shù)據(jù)、精準(zhǔn)地反映真實(shí)道路的復(fù)雜性和不確定性、提供快速有效的反饋以及能夠轉(zhuǎn)移到真實(shí)道路測(cè)試中進(jìn)行驗(yàn)證等優(yōu)點(diǎn)。毫末接下來(lái)的輔助駕駛方案,可能會(huì)把軟硬件的成本卷得更低。
DriveGPT具有很大的應(yīng)用前景,雖然我們看到目前只看到了毫末智行入局GPT類(lèi)自動(dòng)駕駛,但其他車(chē)企和供應(yīng)商們肯定不會(huì)放過(guò)這個(gè)機(jī)會(huì),AI技術(shù)大爆發(fā)的當(dāng)下,或許比DriveGPT更高階的自動(dòng)駕駛訓(xùn)練方式也在來(lái)的路上。
而且隨著AI的全面接入,再靠堆硬件,比激光雷達(dá)數(shù)量、攝像頭像素和個(gè)數(shù)、算力芯片能力,可能不再是吃香的辦法,沒(méi)人愿意為能力低,而靠堆硬件帶來(lái)的高成本而買(mǎi)單。
【本文來(lái)自易車(chē)號(hào)作者路咖汽車(chē),版權(quán)歸作者所有,任何形式轉(zhuǎn)載請(qǐng)聯(lián)系作者。內(nèi)容僅代表作者觀點(diǎn),與易車(chē)無(wú)關(guān)】
gpt4電腦配置
目前還沒(méi)有官方發(fā)布關(guān)于GPT-4的具體電腦配置要求。不過(guò)根據(jù)GPT-3的配置要求,GPT-4可能需要更高的計(jì)算能力和存儲(chǔ)要求。預(yù)計(jì)推薦的配置應(yīng)該包括以下部分:CPU:至少I(mǎi)ntel Core i7或AMD Ryzen 7或更高
GPU:Nvidia V100或AMD MI100或更高
內(nèi)存:至少64GB RAM
存儲(chǔ)器:至少2TB的SSD硬盤(pán)
操作系統(tǒng):至少Windows 10或Ubuntu 18.04或更高
備注:以上配置只是預(yù)估,可能會(huì)因GPT-4的進(jìn)一步發(fā)展和實(shí)際需求而變化,具體需求以官方公布為準(zhǔn)。
當(dāng)GPT遇到自動(dòng)駕駛,毫末首發(fā)DriveGPT
GPT之于自動(dòng)駕駛意味著什么?
文丨智駕網(wǎng) 黃華丹
ChatGPT帶火了AI,那么,當(dāng)GPT遇到自動(dòng)駕駛,又會(huì)發(fā)生怎樣的化學(xué)反應(yīng)?
GPT全稱Generative Pre-trained Transformer,即生成式預(yù)訓(xùn)練Transformer。簡(jiǎn)單概括即是一種基于互聯(lián)網(wǎng)可用數(shù)據(jù)訓(xùn)練的文本生成深度學(xué)習(xí)模型。
4月11日,在第八屆毫末AI DAY上,毫末CEO顧維灝正式發(fā)布了基于GPT技術(shù)的DriveGPT,中文名雪湖·海若。
DriveGPT能做到什么?又是如何構(gòu)建的?顧維灝在AI DAY上都做了詳細(xì)解讀。此外,AI DAY還展示了毫末自動(dòng)駕駛數(shù)據(jù)體系MANA的升級(jí)情況,主要是其在視覺(jué)感知能力上的進(jìn)展。
01.
什么是DriveGPT?能實(shí)現(xiàn)什么?
顧維灝首先講解了GPT的原理,生成式預(yù)訓(xùn)練Transformer模型本質(zhì)上是在求解下一個(gè)詞出現(xiàn)的概率,每一次調(diào)用都是從概率分布中抽樣并生成一個(gè)詞,這樣不斷地循環(huán),就能生成一連串的字符,用于各種下游任務(wù)。
以中文自然語(yǔ)言為例,單字或單詞就是Token,中文的Token詞表有5萬(wàn)個(gè)左右。把Token輸入到模型,輸出就是下一個(gè)字詞的概率,這種概率分布體現(xiàn)的是語(yǔ)言中的知識(shí)和邏輯,大模型在輸出下一個(gè)字詞時(shí)就是根據(jù)語(yǔ)言知識(shí)和邏輯進(jìn)行推理的結(jié)果,就像根據(jù)一部偵探小說(shuō)的復(fù)雜線索來(lái)推理兇手是誰(shuí)。
而作為適用于自動(dòng)駕駛訓(xùn)練的大模型,DriveGPT雪湖·海若三個(gè)能力:
1.可以按概率生成很多個(gè)這樣的場(chǎng)景序列,每個(gè)場(chǎng)景都是一個(gè)全局的場(chǎng)景,每個(gè)場(chǎng)景序列都是未來(lái)有可能發(fā)生的一種實(shí)際情況。
2.是在所有場(chǎng)景序列都產(chǎn)生的情況下,能把場(chǎng)景中最關(guān)注的自車(chē)行為軌跡給量化出來(lái),也就是生成場(chǎng)景的同時(shí),便會(huì)產(chǎn)生自車(chē)未來(lái)的軌跡信息。
3.有了這段軌跡之后,DriveGPT雪湖·海若還能在生成場(chǎng)景序列、軌跡的同時(shí),輸出整個(gè)決策邏輯鏈。
也就是說(shuō),利用DriveGPT雪湖·海若,在一個(gè)統(tǒng)一的生成式框架下,就能做到將規(guī)劃、決策與推理等多個(gè)任務(wù)全部完成。
具體來(lái)看,DriveGPT雪湖·海若的設(shè)計(jì)是將場(chǎng)景Token化,毫末將其稱為Drive Language。
Drive Language將駕駛空間進(jìn)行離散化處理,每一個(gè)Token都表征場(chǎng)景的一小部分。目前毫末擁有50萬(wàn)個(gè)左右的Token詞表空間。如果輸入一連串過(guò)去已經(jīng)發(fā)生的場(chǎng)景Token序列,模型就可以根據(jù)歷史,生成未來(lái)所有可能的場(chǎng)景。
也就是說(shuō),DriveGPT雪湖·海若同樣像是一部推理機(jī)器,告訴它過(guò)去發(fā)生了什么,它就能按概率推理出未來(lái)的多個(gè)可能。
一連串Token拼在一起就是一個(gè)完整的駕駛場(chǎng)景時(shí)間序列,包括了未來(lái)某個(gè)時(shí)刻整個(gè)交通環(huán)境的狀態(tài)以及自車(chē)的狀態(tài)。
有了Drive Language,就可以對(duì)DriveGPT進(jìn)行訓(xùn)練了。
毫末對(duì)DriveGPT的訓(xùn)練過(guò)程首先是根據(jù)駕駛數(shù)據(jù)以及之前定義的駕駛嘗試做一個(gè)大規(guī)模的預(yù)訓(xùn)練。
然后,通過(guò)在使用過(guò)程中接管或者不接管的場(chǎng)景,對(duì)預(yù)訓(xùn)練的結(jié)果進(jìn)行打分和排序,訓(xùn)練反饋模型。也就是說(shuō)利用正確的人類(lèi)開(kāi)法來(lái)替代錯(cuò)誤的自動(dòng)駕駛開(kāi)法。
后續(xù)就是用強(qiáng)化學(xué)習(xí)的思路不斷優(yōu)化迭代模型。
在預(yù)訓(xùn)練模型上,毫末采用Decode-only結(jié)構(gòu)的GPT模型,每一個(gè)Token用于描述某時(shí)刻的場(chǎng)景狀態(tài),包括障礙物的狀態(tài)、自車(chē)狀態(tài)、車(chē)道線情況等等。
目前,毫末的預(yù)訓(xùn)練模型擁有1200億個(gè)參數(shù),使用4000萬(wàn)量產(chǎn)車(chē)的駕駛數(shù)據(jù),本身就能夠?qū)Ω鞣N場(chǎng)景做生成式任務(wù)。
這些生成結(jié)果會(huì)按照人類(lèi)偏好進(jìn)行調(diào)優(yōu),在安全、高效、舒適等維度上做出取舍。同時(shí),毫末會(huì)用部分經(jīng)過(guò)篩選的人類(lèi)接管數(shù)據(jù),大概5萬(wàn)個(gè)Clips去做反饋模型的訓(xùn)練,不斷優(yōu)化預(yù)訓(xùn)練模型。
在輸出決策邏輯鏈時(shí),DriveGPT雪湖·海若利用了prompt提示語(yǔ)技術(shù)。輸入端給到模型一個(gè)提示,告訴它“要去哪、慢一點(diǎn)還是快一點(diǎn)、并且讓它一步步推理”,經(jīng)過(guò)這種提示后,它就會(huì)朝著期望的方向去生成結(jié)果,并且每個(gè)結(jié)果都帶有決策邏輯鏈。每個(gè)結(jié)果也會(huì)有未來(lái)出現(xiàn)的可能性。這樣我們就可以選擇未來(lái)出現(xiàn)可能性最大,最有邏輯的鏈條駕駛策略。
可以用一個(gè)形象的示例來(lái)解釋DriveGPT雪湖·海若的推理能力。假設(shè)提示模型要“抵達(dá)某個(gè)目標(biāo)點(diǎn)”,DriveGPT雪湖·海若會(huì)生成很多個(gè)可能的開(kāi)法,有的激進(jìn),會(huì)連續(xù)變道超車(chē),快速抵達(dá)目標(biāo)點(diǎn),有的穩(wěn)重,跟車(chē)行駛到終點(diǎn)。這時(shí)如果提示語(yǔ)里沒(méi)有其他額外指示,DriveGPT雪湖·海若就會(huì)按照反饋訓(xùn)練時(shí)的調(diào)優(yōu)效果,最終給到一個(gè)更符合大部分人駕駛偏好的效果。
02.
實(shí)現(xiàn)DriveGPT毫末做了什么?
首先,DriveGPT雪湖·海若的訓(xùn)練和落地,離不開(kāi)算力的支持。
今年1月,毫末就和火山引擎共同發(fā)布了其自建智算中心,毫末雪湖·綠洲MANA OASIS。OASIS的算力高達(dá)67億億次/秒,存儲(chǔ)帶寬2T/秒,通信帶寬達(dá)到800G/秒。
當(dāng)然,光有算力還不夠,還需要訓(xùn)練和推理框架的支持。因此,毫末也做了以下三方面的升級(jí)。
一是訓(xùn)練穩(wěn)定性的保障和升級(jí)。
大模型訓(xùn)練是一個(gè)十分艱巨的任務(wù),隨著數(shù)據(jù)規(guī)模、集群規(guī)模、訓(xùn)練時(shí)間的數(shù)量級(jí)增長(zhǎng),系統(tǒng)穩(wěn)定性方面微小的問(wèn)題也會(huì)被無(wú)限放大,如果不加處理,訓(xùn)練任務(wù)就會(huì)經(jīng)常出錯(cuò)導(dǎo)致非正常中斷,浪費(fèi)前期投入的大量資源。
毫末在大模型訓(xùn)練框架的基礎(chǔ)上,與火山引擎共同建立了全套訓(xùn)練保障框架,通過(guò)訓(xùn)練保障框架,毫末實(shí)現(xiàn)了異常任務(wù)分鐘級(jí)捕獲和恢復(fù)能力,可以保證千卡任務(wù)連續(xù)訓(xùn)練數(shù)月沒(méi)有任何非正常中斷,有效地保障了DriveGPT雪湖·海若大模型訓(xùn)練的穩(wěn)定性。
二是彈性調(diào)度資源的升級(jí)。
毫末擁有量產(chǎn)車(chē)帶來(lái)的海量真實(shí)數(shù)據(jù),可自動(dòng)化的利用回傳數(shù)據(jù)不斷的學(xué)習(xí)真實(shí)世界。由于每天不同時(shí)段回傳的數(shù)據(jù)量差異巨大,需要訓(xùn)練平臺(tái)具備彈性調(diào)度能力,自適應(yīng)數(shù)據(jù)規(guī)模大小。
毫末將增量學(xué)習(xí)技術(shù)推廣到大模型訓(xùn)練,構(gòu)建了一個(gè)大模型持續(xù)學(xué)習(xí)系統(tǒng),研發(fā)了任務(wù)級(jí)彈性伸縮調(diào)度器,分鐘級(jí)調(diào)度資源,集群計(jì)算資源利用率達(dá)到95%。
三是吞吐效率的升級(jí)。
在訓(xùn)練效率上,毫末在Transformer的大矩陣計(jì)算上,通過(guò)對(duì)內(nèi)外循環(huán)的數(shù)據(jù)拆分、盡量保持?jǐn)?shù)據(jù)在SRAM中來(lái)提升計(jì)算的效率。在傳統(tǒng)的訓(xùn)練框架中,算子流程很長(zhǎng),毫末通過(guò)引入火山引擎提供的Lego算之庫(kù)實(shí)現(xiàn)算子融合,使端到端吞吐提升84%。
有了算力和這三方面的升級(jí),毫末可對(duì)DriveGPT雪湖·海若進(jìn)行更好的訓(xùn)練迭代升級(jí)。
03.
MANA大升級(jí),攝像頭代替超聲波雷達(dá)
毫末在2021年12月的第四屆AI DAY上發(fā)布自動(dòng)駕駛數(shù)據(jù)智能體系MANA,經(jīng)過(guò)一年多時(shí)間的應(yīng)用迭代,現(xiàn)在MANA迎來(lái)了全面的升級(jí)。
據(jù)顧維灝介紹,本次升級(jí)主要包括:
1.感知和認(rèn)知相關(guān)大模型能力統(tǒng)一整合到DriveGPT。
2.計(jì)算基礎(chǔ)服務(wù)針對(duì)大模型訓(xùn)練在參數(shù)規(guī)模、穩(wěn)定性和效率方面做了專(zhuān)項(xiàng)優(yōu)化,并集成到OASIS當(dāng)中。
3.增加了使用NeRF技術(shù)的數(shù)據(jù)合成服務(wù),降低Corner Case數(shù)據(jù)的獲取成本。
4.針對(duì)多種芯片和多種車(chē)型的快速交付難題,優(yōu)化了異構(gòu)部署工具和車(chē)型適配工具。
前文我們已經(jīng)詳細(xì)介紹了DriveGPT相關(guān)的內(nèi)容,以下主要來(lái)看MANA在視覺(jué)感知上的進(jìn)展。
顧維灝表示,視覺(jué)感知任務(wù)的核心目的都是恢復(fù)真實(shí)世界的動(dòng)靜態(tài)信息和紋理分布。因此毫末對(duì)視覺(jué)自監(jiān)督大模型做了一次架構(gòu)升級(jí),將預(yù)測(cè)環(huán)境的三維結(jié)構(gòu),速度場(chǎng)和紋理分布融合到一個(gè)訓(xùn)練目標(biāo)里面,使其能從容應(yīng)對(duì)各種具體任務(wù)。目前毫末視覺(jué)自監(jiān)督大模型的數(shù)據(jù)集超過(guò)400萬(wàn)Clips,感知性能提升20%。
在泊車(chē)場(chǎng)景下,毫末做到了用魚(yú)眼相機(jī)純視覺(jué)測(cè)距達(dá)到泊車(chē)要求,可做到在15米范圍內(nèi)達(dá)測(cè)量精度30cm,2米內(nèi)精度高于10cm。用純視覺(jué)代替超聲波雷達(dá),進(jìn)一步降低整體方案的成本。
此外,在純視覺(jué)三維重建方面,通過(guò)視覺(jué)自監(jiān)督大模型技術(shù),毫末不依賴激光雷達(dá),就能將收集的大量量產(chǎn)回傳視頻轉(zhuǎn)化為可用于BEV模型訓(xùn)練的帶3D標(biāo)注的真值數(shù)據(jù)。
通過(guò)對(duì)NeRF的升級(jí),毫末表示可以做到重建誤差小于10
【本文來(lái)自易車(chē)號(hào)作者智駕網(wǎng),版權(quán)歸作者所有,任何形式轉(zhuǎn)載請(qǐng)聯(lián)系作者。內(nèi)容僅代表作者觀點(diǎn),與易車(chē)無(wú)關(guān)】
以上就是關(guān)于gpt需要算力相關(guān)問(wèn)題的回答。希望能幫到你,如有更多相關(guān)問(wèn)題,您也可以聯(lián)系我們的客服進(jìn)行咨詢,客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。
推薦閱讀:
ChatGPT中國(guó)免費(fèi)網(wǎng)頁(yè)版(ChatGPT中國(guó)免費(fèi)網(wǎng)頁(yè)版)
英國(guó)前50名大學(xué)排名(英國(guó)top50大學(xué))