0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

英伟达无人驾驶Xavier处理器帮助应用程序使用深度学习神经网络算法

M8kW_icbank 2017-12-19 11:51 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

人工智能领域英伟达成为了一支不可忽视的力量。英伟达公司创始人兼CEO黄仁勋在最近的一次演讲当中透露,该公司应用在下一代DRIVE平台上的处理器Xavier已经开始量产制造。

近日,在东京的一次展会上,黄仁勋展示了DRIVE平台以及无人驾驶领域的技术,并表示“这将是一个功能安全的无人驾驶操作系统,我们在上面集成了令人难以置信的算法和各种应用程序。Xavier已经在我们的产线上开始制造,英伟达已经迫不及待地要震惊世界各地的汽车公司和机器人专家了。”

该处理器可以帮助汽车在无人驾驶的应用程序使用深度学习神经网络算法,用来处理汽车内外的传感器数据、语言分析等内容。通过该处理器可以快速的协调传感器并感知用户的操作,同时帮助驾驶员排除周围的危险和隐患。

根据之前的公布,这款处理器具备了16nm工艺制程技术,搭载70亿个晶体管,支持最高8K分辨率的画面解析度,内置VoltaGPU架构,可以同时在无人驾驶汽车上实现视觉加速器能力。如果没有意外的话,近期将会公布该处理器的样品,既然已经量产,那么明年第一季度就可以供给合作伙伴了。

他还表示,NVIDIA的下一代DRIVE平台上的处理器Xavier将是世界上最复杂的单芯片系统。“Xavier已经在我们的产线上开始制造,英伟达已经迫不及待地要震惊世界各地的汽车公司和机器人专家了”。

利用Xavier,汽车无人驾驶应用程序将使用深度神经网络算法来处理来自外部和车内的传感器数据、手势、和自然语言理解。

由NVIDIA创建的这个新软件意味着配备它的汽车将能够警告驾驶员潜在的危险和汽车周围的安全隐患,同时还能检测驾驶员当前的精神状况(例如困倦或分心)。

最后,黄仁勋总结“我们提供的产品不是不只是一个无人驾驶仪,而是使用AI作为副驾驶来帮助你驾驶,同时保证驾驶员的安全。”

其实早在去年9月,英伟达就公布了针对无人驾驶技术和汽车产品准备的Xavier处理器。采用16nm FinFET进程技术制造,搭载70亿晶体管,将支持高达8K解析度画面,内建NVIDIA全新VoltaGPU架构,目标是作为无人驾驶汽车的计算机视觉加速器。

黄仁勋在欧洲GPU大会上称这款新的系统级芯片并非仅仅是处理器,它实际上一个提供人工智能的超级计算机,功能远不止于此,同时表示Xavier样品预计将于2017年第四个季度推出。


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4827

    浏览量

    106778
  • gpu
    gpu
    +关注

    关注

    28

    文章

    5099

    浏览量

    134440
  • 无人驾驶
    +关注

    关注

    99

    文章

    4255

    浏览量

    126024
  • 英伟达
    +关注

    关注

    23

    文章

    4039

    浏览量

    97646

原文标题:英伟达自动驾驶Xavier处理器已开始量产

文章出处:【微信号:icbank,微信公众号:icbank】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    自动驾驶中常提的卷积神经网络是个啥?

    在自动驾驶领域,经常会听到卷积神经网络技术。卷积神经网络,简称为CNN,是一种专门用来处理网格状数据(比如图像)的深度
    的头像 发表于 11-19 18:15 1829次阅读
    自动<b class='flag-5'>驾驶</b>中常提的卷积<b class='flag-5'>神经网络</b>是个啥?

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是一种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的
    的头像 发表于 09-28 10:03 672次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    如何在机器视觉中部署深度学习神经网络

    图 1:基于深度学习的目标检测可定位已训练的目标类别,并通过矩形框(边界框)对其进行标识。 在讨论人工智能(AI)或深度学习时,经常会出现“神经网络
    的头像 发表于 09-10 17:38 677次阅读
    如何在机器视觉中部署<b class='flag-5'>深度</b><b class='flag-5'>学习</b><b class='flag-5'>神经网络</b>

    神经网络专家系统在电机故障诊断中的应用

    摘要:针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于种经网络专家系统的并步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机
    发表于 06-16 22:09

    派歌锐无人驾驶车辆线束:智能驾驶神经网络

    派歌锐是专业的新能源线束解决方案提供商,为无人驾驶车辆提供稳定可靠的线束解决方案
    的头像 发表于 04-25 17:21 631次阅读

    TPU处理器的特性和工作原理

    张量处理单元(TPU,Tensor Processing Unit)是一种专门为深度学习应用设计的硬件加速。它的开发源于对人工智能(AI)和机器
    的头像 发表于 04-22 09:41 3307次阅读
    TPU<b class='flag-5'>处理器</b>的特性和工作原理

    BP神经网络与卷积神经网络的比较

    多层。 每一层都由若干个神经元构成,神经元之间通过权重连接。信号在神经网络中是前向传播的,而误差是反向传播的。 卷积神经网络(CNN) : CNN主要由卷积层、池化层和全连接层组成。
    的头像 发表于 02-12 15:53 1301次阅读

    如何优化BP神经网络学习

    训练过程中发生震荡,甚至无法收敛到最优解;而过小的学习率则会使模型收敛速度缓慢,容易陷入局部最优解。因此,正确设置和调整学习率对于训练高效、准确的神经网络模型至关重要。 二、学习率优化
    的头像 发表于 02-12 15:51 1419次阅读

    BP神经网络的优缺点分析

    BP神经网络(Back Propagation Neural Network)作为一种常用的机器学习模型,具有显著的优点,同时也存在一些不容忽视的缺点。以下是对BP神经网络优缺点的分析: 优点
    的头像 发表于 02-12 15:36 1566次阅读

    什么是BP神经网络的反向传播算法

    神经网络(即反向传播神经网络)的核心,它建立在梯度下降法的基础上,是一种适合于多层神经元网络学习算法。该
    的头像 发表于 02-12 15:18 1271次阅读

    BP神经网络深度学习的关系

    ),是一种多层前馈神经网络,它通过反向传播算法进行训练。BP神经网络由输入层、一个或多个隐藏层和输出层组成,通过逐层递减的方式调整网络权重,目的是最小化
    的头像 发表于 02-12 15:15 1338次阅读

    BP神经网络在图像识别中的应用

    BP神经网络在图像识别中发挥着重要作用,其多层结构使得网络能够学习到复杂的特征表达,适用于处理非线性问题。以下是对BP神经网络在图像识别中应
    的头像 发表于 02-12 15:12 1183次阅读

    深度学习入门:简单神经网络的构建与实现

    深度学习中,神经网络是核心模型。今天我们用 Python 和 NumPy 构建一个简单的神经网络神经网络由多个
    的头像 发表于 01-23 13:52 838次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工
    的头像 发表于 01-09 10:24 2239次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法