Re: [情報] 有趣的無人駕駛研究報告

[tipsofwarren (tipsofwarren)]

因應 iOS 11 Core ML framework, 自己腦補一下:

1. 技術連結 https://developer.apple.com/documentation/coreml

2. device 端不做 trainning, 只負責 trained model 加速 (就利用手機小GPGPU)
==> 引申看法: 雲端運算越來越重要, device 收集到資訊, 4G/5G 到雲端做trainning,
trainning 之後下載更新模型 (& 參數).

3. 模型分類蘋果已經幫你做好了, 可見得 即使在雲端, GPGPU 不一定是好方案.
畢竟應用端不少.

4. 目前 Core ML 前端工具只支援Python, 或成最大淫家. (好險我沒耍寶)

5. 以上腦補只有以手機端看天下, 其他各種device 端不一定成立.

==============================

我野人獻曝, 若各位先進要打臉請小力.

AI 軟體架構隨便畫

   AI-Applicaiton (下棋的,自駕車的, 人臉辨識的,無人機手勢辨認,推薦系統 etc)
   TensorFlow/Theano and others
   CuDa/OpenCL (沒有的話也行, 就是 CPU 直接幹, OpenCL 目前支持度很差)
   底層就看你要掛哪一種加速器, 也可以只用 CPU (當然就非常非常慢, 1/20 吧)

   Nvidia 就是 拿著 GPU+Cuda 這一塊 先發. 後市怎麼樣, 大家自己拿捏.
   這一塊, 專利壁壘不多.

   但是 AI-Application 很不巧, 幾乎都需要結合 5G/4G,
   (因為海量資料才是深度學習的基礎, nVidia 目前只有在 "快速運算" 佔優勢,
    而且還挺耗電的)
   這就是 nVidia 的硬傷了. 而且一旦應用市場確定,
   自己開ASIC+部分FPGA 比較經濟. 以無人機為例, 飛機才兩萬以下,
   還買個貴鬆鬆的 GPU?

   知乎網站對於 AI 的看法, 個人覺得這是個應用導向的百家爭鳴的階段,
   如果拿 GPU 來練模型okay, 大量鋪貨可能又會有 cost down 版本

   https://goo.gl/swZEQ8

   大家切磋參考.



--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.29.73
※ 文章網址: https://www.ptt.cc/bbs/Foreign_Inv/M.1496564389.A.5F4.html
※ 編輯: tipsofwarren (1.160.29.73), 06/04/2017 16:50:31
→ tipsofwarren: https://zhuanlan.zhihu.com/p/21479333
→ tipsofwarren: 參考上面連結, 2012 DL 爆紅, 2015 nvda 陸續推出
→ tipsofwarren: 適用於DL 的GPU
推 flyingenie: 推
推 arcadian: 真不錯。找到這一篇英文評論https://www.tractica.com/a
→ arcadian: utomation-robotics/fpgas-challenge-gpus-as-a-platfor
→ arcadian: m-for-deep-learning/。看起來AI硬體需求可以分兩部分，
→ arcadian: 練模型跟最後應用。NVDA晶片練模型不錯，最後應用不全適
→ arcadian: 用。不過這方面他們一定也知道，最後市場會是什麼情況現
→ arcadian: 在大概沒人曉得，只能小心觀察。
※ 編輯: tipsofwarren (1.160.30.102), 06/07/2017 15:53:33