工具箱支持汽車質量人工智能

Toolkit supports automotive-quality AI

NXP半導體公司推出了一個新的深度學習工具包，叫做eIQ Auto。NXP正在尋求通過使其工具“汽車質量”使自己與競爭對手脫穎而出。NXP的目標是使AV設計者更容易在汽車上進行深入學習。

自主汽車的發展不一定需要人工智能或深度學習。簡單地說，不是所有的AV都需要人工智能驅動。然而，深度學習的快速進步和提高的準確性吸引著尋求改進其高度自動化車輛的開發人員。

然而，驗證人工智能驅動AVs安全性的困難依然存在。安全研究人員擔心深度學習的“黑匣子”性質，這只是幾個棘手問題之一。AV設計者是否能夠驗證和驗證一個持續學習的人工智能系統，或者一個人工智能功能，一旦部署在車內的專用硬件中，其行為是否會與在更大、更強大的計算機系統上開發和訓練時一樣，仍不確定。

盡管如此，AV和安全團體都認識到人工智能不是一個可以避免討論的話題。

上周，隨著UL 4600規范草案的發布，Edge Case Research的首席技術官菲爾?庫普曼（Phil Koopman）告訴，“將迎頭趕上完全自主。”

UL 4600，一個評估目前在保險商實驗室開發的自主產品的安全標準，既沒有假設也沒有要求在AVs中部署深度學習。但該標準涵蓋了生命關鍵應用中使用的任何機器學習和其自主功能的驗證。

Automotive-grade software tool kit for deep learning

汽車級深度學習軟件工具包

在此背景下，NXP半導體公司推出了其eIQ自動深度學習工具包。

NXP Semiconductors汽車人工智能戰略和合作伙伴關系主管Ali Osman Ors表示：“迄今為止開發的大多數深度學習框架和神經網絡都用于視覺、語音和自然語言等消費者應用。開發不一定考慮到生命關鍵型應用程序。

NXP是一家領先的汽車軟件供應商，該公司正在進一步提高其汽車軟件的性能。A-SPICE是德國汽車制造商為改進軟件開發過程而開發的一套指南。

NXP解釋說，eIQ自動工具集——專門為NXP的S32V234處理器設計——將幫助AV開發者“優化深度學習算法的嵌入式硬件開發，并加快上市時間。”

當被問及是否有類似的汽車級工具包可供深度學習時，Ors說：“一些汽車原始設備制造商可能已經在內部設計了自己的工具。但據所知，還沒有見過其汽車芯片供應商提供像這樣的汽車質量軟件工具包，以供深入學習。”

Pruning, quantization and compressing

剪枝、量化和壓縮

嵌入式系統的數據準備和訓練（學習）過程和人工智能部署（推理）的過程是很好理解的。

今天，據說AV開發人員在公共道路上駕駛測試車輛時以每秒4G字節的速度收集數據。清理和注釋如此大量的數據并為培訓數據做準備可能會非常昂貴。在某些情況下，數據標記處理本身就可能在經濟上削弱算法開發人員和AV初創公司。

但是，對于AV設計者來說，同樣具有挑戰性的是，優化一個經過訓練的AI模型并將其轉換為部署（在推理機上）的艱巨任務。Ors解釋說NXP的工具加速了神經網絡的“量化、修剪和壓縮”過程。

通過剪枝，Ors意味著通過剪除不重要的權重來去除神經網絡結構中存在的冗余連接。當然，新的“刪減”模型將失去準確性。因此，必須在修剪后對模型進行微調以恢復其準確性。

接下來，量子化創造了一個“高效的計算過程，”Ors說。包括通過對權重進行聚類或四舍五入將權重捆綁在一起，以便可以使用較少的內存來表示相同數量的連接。另一種常見的技術是通過舍入將浮點權重轉換為定點表示。與剪枝一樣，量化后必須對模型進行微調。
AV設計師通過運行測試數據（深度學習系統以前從未見過）來評估轉換模型的準確性，并進一步微調模型。

劃分工作負荷

對于每一個處理器來說，神經網絡的運算速度都是最好的。說eiqauto不能用于非NXP設備，因為這個工具必須非常熟悉處理器內部的情況。

總結

以上是生活随笔為你收集整理的工具箱支持汽车质量人工智能的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。