特斯拉是一家很开放的车企。
所谓开放，指的是马斯克年初那一句「特斯拉愿意开放并共享自己的所有专利」，还有在GitHub上公开了自家车机操作系统的底层代码，以及在全球最大的软件BUG讨论社区Bugcrowd里面发下英雄帖，广邀全球黑客黑自家系统。
近日，特斯拉再一次将自家Autopilot的秘密向世界公开。特斯拉AI部门高级主管AndrejKarpathy近日出席了一个有关深度学习的会议——PyTorchDeveloperConference，并且进行了一段时长11分钟的演讲，主题就是Autopilot如何在计算机视觉深度学习中应用PyTorch。
众所周知，特斯拉坚决不支持汽车界普遍力撑的激光雷达方案，而是坚持走纯视觉识别路线，AndrejKarpathy这次演讲，等于用一种硬核的方式，再一次向世界宣战。
我们将这次演讲的精华部分摘录下来，并以尽量简练的语言解释，于是就有了今天的文章。
什么是PyTorch？
要讨论AndrejKarpathy在这个视频里面说了什么，我们先来搞清楚一个概念——PyTorch。
PyTorch的「祖先」叫做Torch（意思为火炬），Torch是一个基于BSDLicense的开源机器学习框架，最早的Torch版本于年发布，主要应用于图像和视频类的深度学习，目前谷歌、Facebook、Twitter都应用了Torch的分支版本。
电动星球注：BSDLicense最早在年由加州大学伯克利分校起草，是目前给予使用者最高自由的开源协议，使用者基本上可以「为所欲为」地修改源代码，并且将代码打包成专有软件。
至于PyTorch，则是Torch使用Python语言编写的版本。
Torch的底层是由C语言和Lua语言编写的，C语言作为底层，而Lua语言作为深度学习库，两种语言都非常优秀，实际上目前仍然有很多大型企业采用Torch进行深度学习，比如上文提到的几家。
年1月，PyTorch正式在GitHub上发布，号称拥有更高的编译和运行效率，而实际上它也做到了——靠的就是Python语言。
一句话总结一下年出生的Python：常被戏称为「胶水语言」，因为Python能够基于其他语言的各种模块结合到一起。根据权威数据挖掘网站KDnuggets的调查，Python已经成为最受AI从业者欢迎的语言。
基于Python语言的PyTorch框架，也同样获得了众多企业和研究者的青睐。单说自动驾驶方面，除了特斯拉，Uber也和斯坦福大学基于PyTorch研发出开源概率编程语言Pyro。除此以外，Facebook、英伟达、美国艾伦人工智能研究所也都走在了PyTorch应用的前头。
特斯拉如何利用PyTorch？
AndrejKarpathy在演讲的开场这样说：「由于我们没有采用激光雷达，也没有采用高精度地图，所以Autopilot的一切功能，都依赖于来自车身四周8个摄像头提供原始图像之后，再进行的计算机视觉运算。」
他随后给出了一张流程图，里面是Autopilot工作的所有流程，有趣的是，AndrejKarpathy将这一套流程称为「OperationVacation（操作假期）」，他说「因为现阶段我的团队已经可以在椅子上葛优瘫，然后数据就会从特斯拉的车子上传过来，在神经网络模型上自己不断循环运行」：
特斯拉AI部门令人艳羡的「假期」里面，「PyTorchDistributedTraining」占了单独的一个部分——但凭什么呢？
先上结论：特斯拉利用PyTorch框架效率更高的特点，不断将Autopilot软件的并行学习性能进一步提升。
以上图为例，在以上的典型场景内，Autopilot需要同时处理10个不同类别的任务——而道路场景是极其复杂的，也就是说，Autopilot时刻面临着数十个任务并行处理的挑战。AndrejKarpathy的原话是「almosttasks（几乎同时处理个任务）」。
为了有效处理将近个并行任务，特斯拉采用了「类ResNet-50」的骨干网络。那什么是ResNet-50？
随着深度学习研究的不断发展，深度学习神经网络也在不断加深，而随着网络深度的上升，训练准确度也会随之下降，ResNet就是因此而生，它的中文名叫做深度残差网络。ResNet有多个不同版本，包括ResNet30/50/等，主要区分度在于Layer卷积层和Block区块数量上，这里就不展开了（毕竟是个汽车
转载请注明：http://www.0431gb208.com/sjszjzl/3516.html
