————————

作為“特斯拉跳票王”的 Version 9，自從 10 月份開始推送，就已經(jīng)全方位展現(xiàn)出了其強(qiáng)大的高級(jí)輔助駕駛功能，以及作為新世代車載中控系統(tǒng)標(biāo)桿的設(shè)計(jì)。

比如更強(qiáng)的盲區(qū)監(jiān)測。

比如大幅優(yōu)化的界面。

比如可以在技術(shù)層面接管方向盤的“瘋狂的麥克斯（ Mad Max ）”模式。

還有自帶的游戲機(jī)模式（大誤）。

以上所說的都是 Version 9 能夠在一瞬間抓住眼球的重大改變，然而在背后默默支撐著這些新功能，甚至讓馬斯克充滿自豪地在 Q2 財(cái)報(bào)會(huì)議上隆重介紹自家軟件團(tuán)隊(duì)的基石——特斯拉全新的 Autopilot 神經(jīng)網(wǎng)絡(luò)引擎，才是 Version 9 所有光芒的起點(diǎn)。

最近，一名來自美國加州的神經(jīng)網(wǎng)絡(luò)專家 Jimmy，在獲得了特斯拉后臺(tái)的許可之后，對(duì)全新一代 Autopilot 神經(jīng)網(wǎng)絡(luò)引擎進(jìn)行了研究。他得出的結(jié)論是這樣的：

“It’s a monster（這 TM 就是個(gè)怪物）！”

我們對(duì) Jimmy 的文章進(jìn)行了節(jié)選翻譯，重點(diǎn)如下：

大幅提升的圖像處理性能

“與 V8 一樣，V9 的神經(jīng)網(wǎng)絡(luò)引擎也包含了一套直接處理攝像頭拍攝畫面的‘?dāng)z像網(wǎng)絡(luò)’，以及一套將攝像網(wǎng)絡(luò)得到的畫面升格到高階可操作具象的‘后期處理網(wǎng)絡(luò)’。目前我的研究對(duì)象還只是 V9 的攝像網(wǎng)絡(luò)，可是就我所了解到的來說，V9 比 V8 的提升不是一星半點(diǎn)。”

“一套一體化攝像系統(tǒng)處理車身上所有的 8 個(gè)攝像頭，所有攝像頭應(yīng)用的圖片及視頻文件大小是一樣的（這個(gè)發(fā)現(xiàn)非常有意思，因?yàn)?V8 上面前視/側(cè)方前視攝像頭的拍攝文件大小是不一樣的）。3 個(gè)前視攝像頭以及 1 個(gè)后視攝像頭的后處理分辨率都是 1280X960（攝像頭最大分辨率），4個(gè)側(cè)方攝像頭的后處理分辨率是 640X480（真實(shí)分辨率的 1/4 ）。所有攝像頭都各自擁有 3 條色彩通道，雙層架構(gòu)（這一點(diǎn)也是非常有趣的，V8 只在前視攝像頭上面支持 640X416，2 條顏色通道，單層架構(gòu)的圖像文件）?！?/p>

電動(dòng)星球注：在常用的完整 RGB 圖像中一般有 3 條色彩通道，分別是紅色、綠色、藍(lán)色部分。也就是說，一幅完整的圖像，是由紅綠藍(lán)三個(gè)色彩通道組成的。他們共同作用產(chǎn)生了完整的圖像。在 Version 8 之前的 Autopilot 圖像識(shí)別只支持紅綠通道，如下圖：

“ V9 神經(jīng)計(jì)算網(wǎng)絡(luò)由于支持同時(shí)從每個(gè)攝像頭處采集 1280X960，3 彩色通道，雙層架構(gòu)的圖像，所以，以單個(gè)主攝像頭為例，就是1280X960X3X2 字節(jié)，也就是 7.3Mb 的每幀文件大小——V8 系統(tǒng)的是640X416X2X1——也就是 0.5Mb，不到 1/13 的每幀文件大小?！?/p>

“與谷歌的 LeNet Inception V1 神經(jīng)網(wǎng)絡(luò)比較之下，特斯拉 V9 系統(tǒng)盡管同樣基于 V1 的底層概念，但是其規(guī)模要超出十倍，同時(shí)需要近 200 倍的運(yùn)算能力。雖然側(cè)視攝像頭只需要 1/4 的分辨率，但是由于 V9 系統(tǒng)需要同時(shí)采集 8 顆攝像頭，APE（Autopilot ECU）的性能可能會(huì)被壓榨到一個(gè)新的地步?；蛘哒f，V8 系統(tǒng)（配上 Autopilot2.0 硬件）其實(shí)是有很大的計(jì)算冗余的?！?/p>

高效的攝像頭系統(tǒng)

“更高的分辨率意味著 V9 系統(tǒng)可以識(shí)別到更細(xì)微的物體細(xì)節(jié)，但是在攝像頭接口標(biāo)準(zhǔn)方面最有趣的改變，應(yīng)該是成對(duì)處理的視頻幀。被成對(duì)處理的視頻是經(jīng)過一定的時(shí)間差編排的，我覺得延遲大概在 10-100 毫秒左右。成對(duì)處理能讓每組視頻輸入都能呈現(xiàn)出動(dòng)作，而動(dòng)作能帶來場景的深度，呈現(xiàn)與背景分離開來的獨(dú)立物體圖像，有助于物體的識(shí)別并預(yù)測其運(yùn)動(dòng)軌跡。這個(gè)升級(jí)對(duì)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的基礎(chǔ)預(yù)測是顯而易見又至關(guān)重要的?！?/p>

上圖為搭載  Version 8 的 L5 級(jí)別工程車

“就我目前看來，V9 的攝像系統(tǒng)應(yīng)該是獨(dú)立的。它還可以以統(tǒng)一的文件大小處理所有攝像頭得到的畫面。

電動(dòng)星球注：camera agnostic ，直譯應(yīng)該是獨(dú)立于攝像頭之外，camera agnostic 指的是圖像處理獨(dú)立于攝像信號(hào)輸入之外，camera agnostic 的好處是可以避免鏡頭畸變導(dǎo)致識(shí)別錯(cuò)誤，因?yàn)榛兪菙z像頭的自帶缺陷，無法用物理方式修復(fù)，但這對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)本身識(shí)別日常物體的能力有極高的要求。

獨(dú)立的攝像系統(tǒng)還能提高運(yùn)算的效率。當(dāng)系統(tǒng)內(nèi)只有一種拍攝標(biāo)準(zhǔn)的時(shí)候，系統(tǒng)本身就不需要頻繁的往 GPU 顯存內(nèi)寫入各種規(guī)范，同時(shí)可以根據(jù)統(tǒng)一的標(biāo)準(zhǔn)批量處理大量圖像文件，能夠大幅提升性能表現(xiàn)。

我沒有想過我會(huì)如此期待獨(dú)立的攝像系統(tǒng)，這真是太震撼了?！?/p>

怪物級(jí)別的神經(jīng)網(wǎng)絡(luò)系統(tǒng)

“ V9 系統(tǒng)就是一個(gè)怪物，甚至怪物都不足以形容它。當(dāng)你在一個(gè)神經(jīng)網(wǎng)絡(luò)里面將一個(gè)參數(shù)（權(quán)重）乘以 5，你不會(huì)只得到 5 倍的提升，更不會(huì)只得到 5 倍的訓(xùn)練數(shù)據(jù)。用神經(jīng)網(wǎng)絡(luò)的表達(dá)能力提升來換算，提升幅度更像是直接加了 5 位數(shù)。如果說 V8 的表達(dá)能力是 10，那么 V9 的表達(dá)能力應(yīng)該是100000。這是一次難以置信的性能提升。因?yàn)橛?xùn)練數(shù)據(jù)不會(huì)只增長 5 倍，新系統(tǒng)最終要處理的數(shù)據(jù)可能是成千上萬，乃至于百萬倍級(jí)別的?！?/p>

電動(dòng)星球注：神經(jīng)網(wǎng)絡(luò)的表達(dá)能力主要由隱層的層數(shù)和隱層神經(jīng)元個(gè)數(shù)決定。模型的表達(dá)能力是用來衡量參數(shù)化模型如神經(jīng)網(wǎng)絡(luò)的可以擬合的函數(shù)的復(fù)雜程度。深度神經(jīng)網(wǎng)絡(luò)的表達(dá)能力隨著它的深度指數(shù)上升（看不懂無所謂，深度越高神經(jīng)網(wǎng)絡(luò)的表達(dá)能力越屌就是了）。

“ V9 的神經(jīng)網(wǎng)絡(luò)比我見到過的任何商用神經(jīng)網(wǎng)絡(luò)都要龐雜，只是想想要處理多少訓(xùn)練數(shù)據(jù)，我都要暈了。我考慮了好久才寫下這個(gè)判斷，因?yàn)檫@個(gè)判斷太容易被證偽。但我最終發(fā)現(xiàn)不是我的考慮限制了我，是我的想象限制了我。

特斯拉是否在 V9 系統(tǒng)內(nèi)應(yīng)用了半監(jiān)督學(xué)習(xí)？他們肯定需要給數(shù)據(jù)上標(biāo)簽——而這么多數(shù)據(jù)根本不會(huì)有足夠的人手上標(biāo)簽。我認(rèn)為特斯拉雇傭的模擬工程師們肯定設(shè)計(jì)了一臺(tái)專門處理數(shù)據(jù)標(biāo)簽的機(jī)器，但即使是這樣（也還是有極大量的數(shù)據(jù)需要處理）。

還有就是，他們哪來的數(shù)據(jù)中心處理這些數(shù)據(jù)？拉里（拉里·佩奇，谷歌創(chuàng)始人）是不是給了埃隆一個(gè)全是 TPU（ Tensor Processing Unit ，即張量處理單元，是谷歌一款為機(jī)器學(xué)習(xí)而定制的芯片，經(jīng)過了專門深度機(jī)器學(xué)習(xí)方面的訓(xùn)練）的倉庫？

我看著 V9，然后我在想，Autopilot3.0 硬件，我們肯定會(huì)很快見到它的?！?/p>

電動(dòng)星球繼續(xù)注：半監(jiān)督學(xué)習(xí)( Semi-Supervised Learning，SSL )是模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域研究的重點(diǎn)問題。半監(jiān)督學(xué)習(xí)使用大量的未標(biāo)記數(shù)據(jù)，以及同時(shí)使用標(biāo)記數(shù)據(jù)，來進(jìn)行模式識(shí)別工作。當(dāng)使用半監(jiān)督學(xué)習(xí)時(shí)，將會(huì)要求盡量少的人員來從事工作，同時(shí)，又能夠帶來比較高的準(zhǔn)確性，因此，半監(jiān)督學(xué)習(xí)目前正越來越受到人們的重視。

截至 6 月 19 日，特斯拉 Autopilot 2.0 車型保有量已經(jīng)達(dá)到 20 萬輛，累計(jì)路測數(shù)據(jù)達(dá)到 4 億英里（ 5.6 億公里）。而這個(gè)讓神經(jīng)網(wǎng)絡(luò)專家瞠目結(jié)舌的 Version 9，就是這繞地球 1.4 萬圈的積累，最終長成的參天大樹。

返回第一電動(dòng)網(wǎng)首頁 >