据外媒报道，最近，特斯拉一项名为“让神经网络模型适应硬件平台的系统和方法”（System and Method for Adapting a Neural Network Model On a Hardware Platform）的专利被公布。

在让神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件中内置的可用选项来做出决策。通常，需要依次对此类选项进行研究、对硬件文档进行审查以及对影响进行分析，选择好每一组选项，最终添加到神经网络，成为一种配置。特斯拉将此类选项称为“决策点”，也是该项发明发挥作用的关键部分。

根据专利申请文件，在插入神经网络模型以及特定硬件平台信息，以让神经网络适应硬件平台后，软件代码就会遍布整个神经网络，以了解决策点的位置，然后针对此类决策点运营硬件参数，实现可用的配置。更具体地说，该软件方法着眼于硬件限制（如处理资源和性能指标的限制），并为神经网络生成满足让其正确运行的设置。

该文件写道：“为了让抽象的神经网络得到具体执行，可能要做出有关一个或多个系统部件、数值精度、算法选择、数据填充、加速器使用、步幅等的执行决策，可能需要在神经网络的每一层或每一个张量基础上做出此类决策，因此一个特定的神经网络可能需要做出上百个，甚至更多的决策。本发明在执行神经网络之前考虑了许多因素，因为底层软件或硬件平台不支持很多配置，而此类配置可能会导致神经网络无法执行。”

特斯拉的发明还具备在图形界面上显示神经网络配置信息，从而以更加用户友好的方式做出评估和选择的能力。例如，不同的配置可能需要不同的评估时间、功耗或内存消耗。如根据跟踪模式（Track Mode）和距离模式（Range Mode）之间的差异来选择配置，而不是根据人们希望AI如何与硬件一起工作来选择配置。

据报道，该项专利申请似乎是特斯拉收购了DeepScale之后研究出的产品之一。DeepScale是一家专注于全自动驾驶和为小型设备设计神经网络的AI初创公司。该项专利的发明者是Michael Driscoll博士，他曾是DeepScale公司的高级工程师，后来成为特斯拉的高级软件工程师。在今年进行独立研究之前，DeepScale前首席执行官Forrest Iandola博士也曾在特斯拉担任高级机器学习科学家一职。

来源：盖世汽车

作者：余秋云

本文地址：https://www.d1ev.com/news/jishu/122025