IT课程

IT技术专业学习平台
IT人才专业服务提供商

 

全国热线:400-004-8626

人工智能|嵌入式深度学习

首页    技术博文    强化学习    人工智能|嵌入式深度学习

      深度学习技术火了这么多年,然而我们却很难在生活中实实在在地体会到它是如何工作的,本文将以 Nvidia Jetson TX2 开发卡为例,介绍深度学习技术是如何应用在小型硬件设备。

      Nvidia Jetson TX2

     TX系列是Nvidia 针对小型设备而研发的计算硬件,它能有效完成多深度学习模型的运算,能够实施小规模的再训练等,充足的配置与合适的大小,让它成为机器人大脑配件的不二选择。

人工智能嵌入式深度学习

      众所周知,在深度学习中想要训练一个值得信赖的模型,需要复杂的计算模型与海量的合适数据。然而当你拥有这些后,还需要有大量的算力来保障你的AI不会在几个月后才完成训练,目前主流的计算加速技术就是来自Nvidia的GPU硬件加速,当然像其他大厂也有自己的加速硬件,例如华为在今年的全连接大会中就公布了自己研发的硬件。

      当我们使用GPU作为加速硬件时,计算过程中的数据就会存储在显存而非计算机的内存中。诸如Tensorflow这样的系统,当GPU显存不足时就会提示一个OOM错误,使训练无法继续进行,这时就需要减少输入的数据量、调整模型等。当然,最直接的方法就是买块高档的显卡!而Jetson TX2 拥有8G 的显存量,足够同时运行若干模型的前向传播过程,进行同步语音识别、图像识别、自然语言理解等,也能满足一些模型的终端离线训练需求,例如深度强化学习过程。而更厉害的是,这块卡只有信用卡一般的大小。

GPU显存

      Robotic

      当你满怀信心的想使用TX2制作一个具备AI的机器人时,我们很抱歉的通知您,还有许多的工作需要完成。首先需要考虑的就是机器人的使用场景(飞行感知?陆地搜寻?双足行走?),然后就是根据使用场景来设计机器人的造型,简单的方法就是购买成套产品,例如一架无人机、一个小车或者一套乐高等,当然你也可以自行制作与装配机器人部件。

Robotic

      做好了硬件部分,并且测试传感、操作、数据读写都无问题后,机器人与其大脑(TX2)的连接过程就完成了。接下来就可以专注于应用场景,例如采集数据、编写神经网络模型,在云端或终端进行训练。数据采集(如图像数据)的方法有很多,包括从互联网上搜集、采取一些实景相机拍摄,或者干脆操作你的机器人(例如无人机)去获取等。

新的计算模型

      最终你拥有了自己训练出来的深度学习模型,将模型与机器人控制脚本部署在TX2中,或者干脆使用深度强化学习来直接让机器人适应一种场景。这样你就拥有了集智能感知、智能控制、智能行动于一体的AI机器人。

      怎么样,想想都很开心吧?一般这时候应该泼冷水了,没错我就是要泼冷水了,因为在最后成功之前,往往需要解决很多的问题。一个最简单的例子就是,你敢让部署了未知效果的模型在无人机上运作吗?很可能几千大洋甚至上万大洋的飞机就毁于一旦哦。

      解决这种问题的方法有很多,仿真环境就是最常用的方法,你可以使用ROS系统、各类PC游戏等,总之就是要把事故全部解决在仿真环境中,下面就是一些可靠的仿真环境。

人工智能-可靠的仿真环境

      本文到此就要结束了,因为我们不太可能通过一篇文章把每个细节都展示出来,如果您对深度学习的各类应用十分感兴趣,可以尝试关注Yeslab的人工智能课程哦,说不定你的下一个创业想法就可以在这里产生呢。

人工智能

2018年11月30日 15:01
浏览量:0
收藏
本网站由阿里云提供云计算及安全服务 Powered by CloudDream