人工智能|大陆集团牵手英伟达搭建NVIDIA DGX人工智能系统( 二 )


目前 , 训练神经网络所用的数据主要来自大陆集团的测试车队 。 车队每天行驶 15000 公里左右 , 收集约 100 TB的数据 , 这一数据量相当于 50000 小时的电影 。 所记录的数据可以通过回放来仿真实车测试 , 用于开展新系统训练 。 超级计算机可综合生成数据 , 这是一种高度消耗计算能力的用例 , 能够让系统从仿真环境下的虚拟行驶中进行学习 。

对于开发流程而言 , 超级计算机具有多个优点: 首先 , 从长远来看 ,由于系统本身就可以即时创建必要的训练场景 , 或将不再需要记录、存储和挖掘现实车队生成的数据 。 其次 , 它提高了开发速度 , 因为虚拟车辆只要几个小时就能走完现实汽车需要数周才能行驶完的路程 。 第三 , 综合生成数据这一特性可以让系统处理和应对不断变化和不可预测的情况 , 最终使车辆能够在变化无常的和极端的天气条件下安全行驶 , 或者对行人的移动做出安全预测 , 为实现更高级别的自动化铺平道路 。
扩展能力是 NVIDIA DGX POD 概念背后的主要推动力之一 。 借助科技的力量 , 机器学习可以比任何人为控制下的学习学得更快、更好、更全面 , 并且随着每一步的演化 , 其潜在性能将呈指数级的增长 。
这台超级计算机位于法兰克福的数据中心 , 之所以选择此处 , 是因为其靠近云服务提供商 , 更重要的是 , 这里有应用人工智能的环境 , 能够满足冷却系统、网络连接和供电方面的特定要求 。 计算机使用经认证的绿色能源供电 , GPU 集群在设计上比 CPU 集群具有更高的能源效率 。
【来源:中关村在线】
声明:转载此文是出于传递更多信息之目的 。 若有来源标注错误或侵犯了您的合法权益 , 请作者持权属证明与本网联系 , 我们将及时更正、删除 , 谢谢 。邮箱地址:newmedia@xxcb.cn


推荐阅读