Det här verkar riktigt intressant då Tesla planerar att släppa nya versionen av sin hårdvara version 3 under 2019.
Det utvecklades nämligen ett liknande system åt Google, av just nuvarande – Tesla’s Chef för AI and Autopilot Vision, Andrej Karpathy, det var faktiskt han som utvecklade GoogLeNet system.
Version 3 av hårdvaran klarar bildbehandling, och insamlad ”data” med upp till 2000 bilder per sekund. Det är alltså en kraftig uppgradering av hårdvaran gånger tio.
Samarbete med Samsung?
Rykten tidigare i december avslöjade också att man inlett ett samarbete med Samsung där anonyma utvecklare intresserade av utvecklingen kommit fram till att man arbetar med följande mjuk och hårdvara.
(”Samsung Exynos 7xxx SoC, based on the existence of ARM A72 cores (this would not be a super new SoC, as the Exynos SoC is about an Oct 2015 vintage). HW3 CPU cores are clocked at 1.6GHz, with a MALI GPU at 250MHz and memory speed 533MHz.”)
Exakt vilka komponenter de menar här är svårt avgöra då jag inte har den kunskapen men… någon annan kanske vet?
Hårdvaran är kombinerad med (Tesla PCI-Ex device benämnd, “TRIP”), som man tror är Neural Network ackumulator? Minst två av dessa TRIP enheter ingår i ”Hardware 3” – kanske fyra?
En annan anonym källa skrev: “The “TRIP” device obviously is the most interesting one. A special firmware that encompasses binary NN (neural net) data is loaded there and then eventually queried by the car vision code. The device runs at 400 MHz. Both “TRIP” devices currently load the same NNs, but possibly only a subset is executed on each?”
En närmare titt på… ‘TRIP’.
“The “TRIP” software seems to be a straight list of instructions aligned to 32 bytes (256 bits). Programs operate on two types of memory, one for input/output and one for working memory. The former is likely system DRAM and the latter internal SRAM. Memory operations include data loading, weight loading, and writing output. Program operations are pipelined with data loads and computations interleaved and weight fetching happening well upstream from the instructions that actually use those weights. Weights seem to be compressed from the observation that they get copied to an internal region that is substantially larger than the source region with decompression/unpacking happening as part of the weight loading operation. Intermediate results are kept in working memory with only final results being output to shared memory.”
DamianXVI gjorde en grafisk framställning av ”data flow” för de nätverk som kunde observeras i detta Neurala nätverk. Vad det betyder är alltså att det inte är en visualisering av nätverket utan en visualisering av instruktionerna för nätverket och dess flöde.
- Gröna rutor betyder ladda/lagra
- Vita är data klar att ladda
- Blå är instruktioner med data och deras relationer till nästa
- Röda och orangea är kompletterande data
- Svarta linjer visar länkar, in och ut-data
- Blå linjer visar ytterligare kompletterande data.
I en sammanfattning av de system som dominerar idag och en enklare beskrivning av Tesla Auto pilot, skrev jag en tidigare artikel om detta. Se länken: https://blog.ho-form.se/?p=6370
Ursprungsartikeln genom Elektrec nedan!
