大陆航空为人工智能训练提供超级计算机
大陆航空的超级计算机由50多个Nvidia DGX系统组成，并与Nvidia Mellanox InfiniBand网络连接。它是根据公开的名单全球超级计算机作为汽车行业的顶级系统。我们选择了一种混合方法，以便在需要时通过云解决方案扩展容量和存储。
这台新型超级计算机的主要任务是人工智能训练、深度学习、模拟和虚拟数据生成。先进的驾驶员辅助系统使用人工智能来做决定，协助驾驶员，并最终实现自动驾驶。雷达和相机等环境传感器提供原始数据。智能系统对这些原始数据进行实时处理，以创建车辆周围环境的综合模型，并设计出如何与环境互动的策略。最后，飞行器需要被控制，以达到计划的效果。但是随着系统变得越来越复杂，传统的软件开发方法和机器学习方法已经达到了极限。深度学习和仿真已经成为开发基于人工智能解决方案的基本方法。
在深度学习中，人工神经网络使机器能够根据经验学习，并将新信息与现有知识联系起来，本质上是模仿人类大脑中的学习过程。但是当一个孩子能够认识到汽车后几十个不同的汽车类型的照片所示,几千小时的培训数以百万计的图像,因此大量的数据是必要的训练一个神经网络,将稍后协助司机甚至车辆自主运作。新的超级计算机不仅缩短了这一复杂过程所需的时间，也缩短了新技术的上市时间。
英伟达超级计算机的架构专门针对人工智能应用进行了优化，可以帮助用户显著缩短开发时间;大陆航空用的是小时而不是周。“该系统减少了训练神经网络的时间，因为它允许在同一时间进行至少14倍以上的实验，”大陆汽车公司高级驾驶辅助系统(ADAS)业务部门的项目管理系统主管克里斯蒂安•舒马赫解释说。
到目前为止，用于训练这些神经网络的数据主要来自大陆真实世界的测试车队。目前，他们每天驾驶大约1.5万公里的测试公里，收集大约100 tb的数据，相当于5万个小时的电影。这些记录的数据已经可以通过回放来训练新系统，从而模拟物理测试驾驶。有了超级计算机，现在可以综合生成数据，这是一个高度计算能力消耗的用例，允许系统在虚拟的模拟环境中学习。
这对开发过程有几个好处:首先，从长远来看，它可能使记录、存储和挖掘物理舰队生成的数据变得不必要，因为必要的训练场景可以立即在系统本身上创建。其次，它提高了速度，因为虚拟汽车在几小时内可以行驶相同的测试公里数，而真车需要花上几周的时间。第三，数据的合成生成使系统能够处理和反应变化和不可预测的情况。最终，这将使车辆能够在多变和极端的天气条件下安全行驶，或对行人的活动做出可靠的预测，从而为更高水平的自动化铺平道路。
扩展能力是Nvidia DGX概念背后的主要驱动因素之一。通过技术，机器可以比任何人类控制的方法学习得更快、更好、更全面，潜在的性能随着进化的每一步呈指数增长。
这台超级计算机位于法兰克福的一个数据中心，之所以选择它是因为它靠近云提供商，更重要的是，它的人工智能就绪环境，满足有关冷却系统、连接和供电的特定要求。经过认证的绿色能源正在被用于为计算机供电，GPU集群在设计上比CPU集群更节能。
相关文章:
