自动驾驶关键技术探索 - 来自系统和性能方面的思考

案例来源: 图森未来
会议地点:深圳
分享时间: 2019-06-23 14:30-15:30

靳江明  |

图森未来 高性能计算研发总监

靳江明,于2013年毕业于新加坡南洋理工大学计算机工程学院并行与分布式计算中心,获博士学位。2013年-2016年分别在摩根大通新加坡和北京办公室担任HPC和Quantitative Risk Calculation系统分析师和研发经理。靳江明于2017年加入图森未来,担任高性能计算研发总监,负责图森无人车系统的性能调优以及图森深度学习系统的搭建和优化工作。

课程概要

案例背景介绍:
基于计算机视觉以及多传感器融合的无人驾驶技术已成为人工智能的一个重要领域。随着深度学习的大规模部署、视觉算法准确度的大幅提高、以及算力的大幅提升,无人驾驶相关技术得到了迅速的发展。如何在有限的车载计算资源中完成复杂的CPU/GPU计算流,并保证过程中的高效的通信成为自动驾驶系统建设的关键技术。另外,如果在线下提供高可用的深度学习训练和数据处理平台也成为保障自动驾驶车队规模部署的关键技术之一。我将接合以上挑战来阐述来自图森的探索、实践、和思考。

解决思路/成功要点:
网络模型压缩和编译优化、资源调度优化,以及积极探索的系统和平台建设。

成果:
自动驾驶系统和平台建设和不断优化,一直支撑着图森持续增长的车队和数据规模,在系统吞吐量和效率上一直保持领先的优势,并且有着很高的可用性和稳定性。

听众收益

1. 了解自动驾驶系统的技术难点和性能优化经验 2. 了解网络压缩加速和编译优化方面的积极探索 3. 了解深度学习平台建设的实践

靳江明  |

图森未来
高性能计算研发总监

靳江明,于2013年毕业于新加坡南洋理工大学计算机工程学院并行与分布式计算中心,获博士学位。2013年-2016年分别在摩根大通新加坡和北京办公室担任HPC和Quantitative Risk Calculation系统分析师和研发经理。靳江明于2017年加入图森未来,担任高性能计算研发总监,负责图森无人车系统的性能调优以及图森深度学习系统的搭建和优化工作。

课程概要

案例背景介绍:
基于计算机视觉以及多传感器融合的无人驾驶技术已成为人工智能的一个重要领域。随着深度学习的大规模部署、视觉算法准确度的大幅提高、以及算力的大幅提升,无人驾驶相关技术得到了迅速的发展。如何在有限的车载计算资源中完成复杂的CPU/GPU计算流,并保证过程中的高效的通信成为自动驾驶系统建设的关键技术。另外,如果在线下提供高可用的深度学习训练和数据处理平台也成为保障自动驾驶车队规模部署的关键技术之一。我将接合以上挑战来阐述来自图森的探索、实践、和思考。

解决思路/成功要点:
网络模型压缩和编译优化、资源调度优化,以及积极探索的系统和平台建设。

成果:
自动驾驶系统和平台建设和不断优化,一直支撑着图森持续增长的车队和数据规模,在系统吞吐量和效率上一直保持领先的优势,并且有着很高的可用性和稳定性。

听众收益

1. 了解自动驾驶系统的技术难点和性能优化经验 2. 了解网络压缩加速和编译优化方面的积极探索 3. 了解深度学习平台建设的实践

CopyRight © 2008-2019 Msup & 高可用架构