3 月 23 日消息，據外媒報道，電動(dòng)汽車(chē)制造商特斯拉已經(jīng)申請了一項專(zhuān)利，內容是如何從其龐大的客戶(hù)車(chē)隊中獲取訓練數據，以訓練其自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò )。

　　這項專(zhuān)利是為特斯拉申請的，但特斯拉人工智能和自動(dòng)駕駛軟件主管安德烈·卡帕西(Andrej Karparis)被指定為該申請的唯一發(fā)明人。

　　卡帕西描述了在應用程序中為深度學(xué)習培訓收集數據的問(wèn)題：“用于自動(dòng)駕駛等應用的深度學(xué)習系統是通過(guò)訓練機器學(xué)習模型來(lái)開(kāi)發(fā)的。通常，深度學(xué)習系統的性能至少部分地受到用于訓練模型的訓練集的質(zhì)量限制。在許多情況下，大量的資源被投入到收集、管理和注釋培訓數據上。創(chuàng )建訓練集所需的工作量可能很大，而且通常是單調乏味的。此外，通常很難收集機器學(xué)習模型需要改進(jìn)的特定用例的數據。”

　　特斯拉開(kāi)發(fā)自動(dòng)駕駛系統的方式與大多數其他公司大不相同。盡管大多數其他公司利用相對較少的測試車(chē)隊來(lái)收集數據并測試其系統，但特斯拉使用其數十萬(wàn)輛配備了一系列傳感器的客戶(hù)汽車(chē)來(lái)收集道路和駕駛數據，并在“影子模式”下測試其自動(dòng)駕駛系統。車(chē)隊收集的這些數據對特斯拉訓練其神經(jīng)網(wǎng)絡(luò )實(shí)現自動(dòng)駕駛極其有價(jià)值。然而，他們必須小心他們收集并提供給網(wǎng)絡(luò )的內容。

　　卡帕西在專(zhuān)利申請中注明：“隨著(zhù)機器學(xué)習模型變得越來(lái)越復雜，比如深層神經(jīng)網(wǎng)絡(luò )，大量訓練數據集的必要性也相應增加。與淺層神經(jīng)網(wǎng)絡(luò )相比，這些深層神經(jīng)網(wǎng)絡(luò )可能需要更多的訓練樣本，以確保它們的泛化能力較高。例如，雖然神經(jīng)網(wǎng)絡(luò )可以被訓練成對于所給訓練數據來(lái)說(shuō)高度精確，但其可能不能很好地推廣到未見(jiàn)的未來(lái)示例中。在這個(gè)例子中，神經(jīng)網(wǎng)絡(luò )可能受益于訓練數據中包含的額外示例。”

　　因此，卡帕西解釋了他的專(zhuān)利方法，在傳輸之前就對源數據進(jìn)行分類(lèi)：“示例方法包括接收傳感器并將神經(jīng)網(wǎng)絡(luò )應用于傳感器數據。將觸發(fā)器分類(lèi)器應用于神經(jīng)網(wǎng)絡(luò )的中間結果，以確定傳感器數據的分類(lèi)器評分。根據至少部分分類(lèi)器得分，決定是否通過(guò)計算機網(wǎng)絡(luò )傳輸至少部分傳感器數據。一旦確定為陽(yáng)性，傳感器數據就會(huì )被傳輸并用于生成訓練數據。”
　?。?a href="http://www.reeanfmc.com">邯鄲微信托管）

Facebook向員工提供1個(gè)月...

三星超過(guò)蘋(píng)果成為全球第...