Глубинная революция
Глубинная революция

Дженсен Хуанг подчеркивает непрекращающийся рост производительности графических процессоров и взрывной интерес к искусственному интеллекту


17:56 18.10.2017  (обновлено: 22:06 20.10.2017)   |  Дмитрий Волков |  «Открытые системы»

Рубрика Предприятие |   3504 прочтения



Компания Nvidia провела в Европе ежегодный форум GPU Technology Conference.

 

Стартовав в Кремниевой долине, маршрут кругосветного турне форума Nvidia в нынешнем году прошел через Пекин, Мюнхен, чтобы продолжиться в Израиле, на Тайване, в Вашингтоне и завершиться в Токио. В начальной точке было объявлено о выходе программного оптимизатора TensorRT 3 для платформы Tesla V100, который рассчитан на работу с нейронной сетью. А в Мюнхене, крупнейшем автомобильном кластере Европы, была анонсирована платформа Drive PX Pegasus, позволяющая создавать автомобиль пятого пятого уровня автономности. (Классификацией сообщества автомобильных инженеров SAE предусмотрено шесть уровней автоматизации: от нулевого, с полным контролем водителя над машиной, до пятого, когда от человека требуется лишь запустить систему и указать пункт назначения. — Д.В.)

Дженсен Хуанг, основатель и генеральный директор компании Nvidia, привлек внимание собравшихся к двум факторам, характеризующим сегодня движение компьютерной индустрии: ежегодное увеличение производительности графических процессоров (GPU) в полтора раза при стагнации производительности универсальных центральных процессоров (CPU) и взрывной рост интереса к искусственному интеллекту.

Хуанг анонсировал на форуме расширение Pegasus масштабируемой платформы Drive PX, позволяющее выполнять 320 TOPS (триллион операций CUDA TensorCore в секунду). По сути, речь идет о специализированном «суперкомпьютере в багажнике», который управляет всеми подсистемами автомобиля, в реальном времени обрабатывает данные от его органов «чувств», поступающие по 16 каналам ввода: камеры, радары, лидары, ультразвуковые сенсоры и порты 10-Gigabit Ethernet. Платформа построена на базе двух специализированных подсистем Xavier (30 TOPS, энергопотребление 30 Вт), анонсированных год назад и нацеленных на классы устройств, где требуется съем данных об окружающей среде и их обработка методами глубинного обучения непосредственно на борту, – в дронах, автомобилях и промышленных роботах. Мозг этих решений – графические процессоры архитектуры Volta. В Xavier также имеется восьмиядерный CPU по спецификациям конкретного автопроизводителя и ускоритель компьютерного зрения. Пропускная способность доступа к памяти в Pegasus — 1 Тбайт/с.

На базе решений семейства Nvidia Drive PX можно создавать  автомобили от второго до пятого уровня автономности. На конференции демонстрировался первый самоуправляемый автомобиль линейки Audi A8L 3.0 Quattro третьего уровня автономности, серийный выход которого ожидается в 2018 году. Компании Tesla и Mercedes Benz представили на экспозиции GTС прототипы самоуправляемых повозок пятого уровня на платформе Drive PX. Масштабируемая открытая платформа  Nvidia Drive позволяет автопроизводителям выпускать широкий спектр изделий любого применения, будь то роботакси или почтовый электромобиль для обслуживания последней мили. Совместно с концерном ZF компания Deutsche Post DHL Group создала прототип автономного фургона, способного планировать маршрут, самостоятельно парковаться и перемещаться между точками сбора и выдачи корреспонденции. Благодаря этому, по оценкам, удастся на 30% повысить эффективность почтовой службы. Сегодня в парке Deutsche Post имеется почти 4 тыс. электромобилей, на каждый из которых может быть установлено шесть камер, один радар и два лидара, а для обучения его нейронной сети использоваться сервер Nvidia DGX-1.

Drive PX входит в единую линейку решений Nvidia AI. Непосредственно для обучения нейросетей специалисты по данным используют серверы Nvidia DGX-1 производительностью 960 Tensor TFLOPS при выполнении задач глубинного обучения. Сервер состоит из восьми систем Tesla V100, соединенных через межсоединение NVLink с пропускной способностью 300 Гбайт/с, нескольких центральных процессоров Intel Xeon E5, 1,92 Tбайт на SSD. На конференции демонстрировалась конфигурация с масштабируемой системой хранения Pure FlashBlade емкостью до 4 Пбайт.

Все системы линейки DGX, в которую входит еще и DGX Station (четыре Tesla V100), имеют единый программный стек, включающий популярные инструментальные среды глубинного обучения от Nvidia, ее партнеров и сообщества Open Source: cuDNN, cuBLAS, CUDA toolkit, а также инструменты, подключаемые через контейнер Nvidia Docker и Nvidia Container Registry. Унифицированная архитектура дает возможность использовать одинаковое ПО, алгоритмы, библиотеки и инструменты как в бортовых системах, так и в крупных дата-центрах и облачных конфигурациях Nvidia Deep Learning Cloud. Применительно к самоуправляемым автомобилям это означает, что на всем протяжении своего жизненного цикла он не только «учится» на своих ошибках, но и получает консолидированные знания со всех автомобилей данного производителя, становясь «умнее» даже при нахождении на парковке.

Ожидается, что к 2025 году автомобилей различного уровня автономности будет насчитываться 150 млн. Для их проектирования Nvidia предлагает платформу Holodeck, позволяющую объединять в одну виртуальную лабораторию специалистов из разных областей: дизайнеров, разработчиков, технологов, а также дилеров и пользователей будущего автокара. Реалистичная графика, разнообразные средства работы с компьютерной моделью изделия, средства коммуникации между членами лаборатории позволяют в реальном времени обсуждать форму, деталировку, компоновку и начинку изделия. Платформа Holodeck уже применялась компанией Nvidia при взаимодействии с роботами, нейронная сеть которых была обучена средствами  ПО Nvidia Isaac.

Весьма насыщенна была секционная часть GTC: обсуждались особенности применения искусственного интеллекта в Deutsche Bahn, на заводах Volkswagen и Mercedes Benz, в российских компаниях «Яндекс», «Полиматика», VisionLabs и «Вокорд». Антон Слесарев, представитель «Яндекса», рассказал о применении платформы Nvidia Drive PX 2 при создании самоуправляемого автомобиля на базе гибридной модели Toyota Prius V. Выбор именно данной модели отчасти был обусловлен открытостью для внешних разработчиков интерфейсов автомобиля, чего нельзя пока сказать про изделия российского автопрома: многолетние попытки создать на их базе прототип автономного автомобиля пока упираются в корпоративные запреты. Успех проекта был обусловлен наличием у компании полного спектра сервисов, необходимых для поддержания жизненного цикла самоуправляемого автомобиля, от актуализации карт, уточнения маршрута и распознавания голосовых команд до предсказания погоды. Роман Раевский, основатель компании «Полиматика», отметил эффективность применения систем DGX для визуализации OLAP-кубов, полученных при анализе и обработке в реальном времени больших массивов разнообразных данных. Мгновенная реакция на любые изменения в модели, доступ ко всем исходным сведениям в разнообразных форматах позволяют пользователям проверять гипотезы в реальном времени. Представители компаний VisionLabs и «Вокорд», занимающиеся распознаванием изображений, демонстрировали разработки в сфере идентификации и видеоаналитики, применяемые сегодня, например для выявления нештатных ситуаций в местах массового скопления людей, в проектах «Безопасный город» и др.

В 2016 году под колесами автомобилей во всем мире погибло почти 1,3 млн человек, а через десять лет этот показатель может удвоиться. Возможно, поэтому автопроизводители активно интересуются технологиями глубинного обучения, позволяющими создавать самоуправляемые машины — ведь до 97% аварий происходят по вине человека. Аналогичная ситуация уже была в авиации, когда обнаружилось, что в сложной системе авиалайнер-человек именно человек оказался слабым звеном, и в 1980-х годах началось активное внедрение автопилотов. Как бы там ни было, за последние пять лет число разработчиков GPU только от Nvidia выросло в 15 раз, а нынешняя конференция GPU Technology Conference собрала вдвое больше участников, чем прошлогодняя.


Теги: показывать на главной Самое интересное Nvidia Искусственный интеллект Tesla GPU Дженсен (Джен-Сан) Хуанг Глубинное обучение
На ту же тему: