历史上的今天
今天是：2024年12月18日（星期三）
2019年12月18日 | NVIDIA向交通运输行业开源其自动驾驶汽车深度神经网络
2019-12-18
NVIDIA今日（12月18日）宣布，在NVIDIA GPU Cloud (NGC)容器注册上，向交通运输行业开源NVIDIA DRIVE™自动驾驶汽车开发深度神经网络。
NVIDIA DRIVE已成为自动驾驶汽车开发的行业标准，并且被汽车制造商、卡车制造商、自动驾驶出租车公司、软件公司和大学所广泛采用。如今，NVIDIA向自动驾驶汽车开发者开源其预训练AI模型和训练代码。通过一套NVIDIA AI工具，NVIDIA生态系统内的开发者们可以自由扩展和自定义模型，从而提高其自动驾驶系统的稳健性与能力。
NVIDIA创始人兼首席执行官黄仁勋表示：“AI自动驾驶汽车是软件定义的汽车，它必须基于大量数据集才能在全球范围行驶。我们向自动驾驶汽车开发者开源我们的深度神经网络，并为他们提供先进学习工具，使他们能够根据不同的数据集对这些网络进行优化。通过这一方式，我们正在实现跨企业和国家/地区的共享学习，并保护数据所有权和隐私，最终加快全球自动驾驶汽车的落地。”
AI对于安全的自动驾驶汽车开发来说至关重要，它能够让其感知周围环境并做出实时反应，从而实现智能行驶。其核心是由数十个深度神经网络组成的，它们可以处理冗余和不同任务，以确保精确的感知、定位和路径规划。
HIS Markit人工智能高级研究总监 Luca De Ambroggi表示：“NVIDIA为交通运输行业开发最深入广泛的深度神经网络和AI工具，并且是这一领域的全球领导者。为开发者们提供这些算法，以及用于自定义这些算法的工具和工作流程基础架构，将助力安全的自动驾驶交通运输解决方案落地。”
NVIDIA多年深耕于开发和训练可在NVIDIA DRIVE AGX™平台上运行的深度神经网络，它们能够将原始传感器数据转换成对世界的深度理解。这些深度神经网络能够实现交通信号灯和交通标识检测、目标检测（车辆、行人、自行车）、路径感知以及车载眼球追踪和手势识别等任务。
用于AI开发的先进学习工具：
除了开源深度神经网络之外，NVIDIA还发布了一套先进工具，使开发者可以使用自己的数据集和目标特征集自定义并增强NVIDIA的深度神经网络。这套工具使用主动学习、联邦学习和迁移学习来训练深度神经网络。
● 主动学习借助AI而不是人工管理实现自动数据选择，进而提高模型精度，降低数据采集成本。
● 联邦学习使企业能够与其他企业一起使用分布在不同国家的多个数据集，同时保护数据隐私和企业的知识产权。
● 借助NVIDIA在自动驾驶汽车开发领域的大力投入，迁移学习使NVIDIA DRIVE客户能够加快开发其感知软件，然后基于他们自己的应用和目标能力进一步开发这些网络。
通过在NGC上开源AI模型和推出先进训练工具，NVIDIA强化了其端对端自动驾驶汽车的开发和部署平台。
史海拾趣
|
在Win CE 5.0下，首次通过局域网访问另外一台电脑的时候会弹出一个对话框，要求输入对方的用户名、密码和域名。像下图所示的： 我想知道的是，有没有这样一个函数，提供了这几个参数的接口，以便我在写程序时就可以把用户名、密码写进去，而不需 ...… 查看全部问答＞ |
|
在移植之前先了解Bootloader 的一些通用概念，对理解它的代码会有所帮助。 嵌入式Linux 系统从软件的角度通常可以分为以下4 个层次。 （1）引导加载程序，包括固化在固件（firmware）中的boot 代 ...… 查看全部问答＞ |
|
对它的高速度PWM感兴趣，如果不写复杂的算法和人机界面，单纯用汇编语言可行吗？哪些开发工具最简单易用？ 我的意思是既然STM32那么便宜，功能强大速度快，干脆大大小小的项目都用这个，省得好多种单片机感觉很累。… 查看全部问答＞ |