第(2/3)頁

    想要完全棄用傳感器，那四面八方都得安裝車載攝像頭才行，才能保證前后左右都看得清楚。

    此外，還有一個重要的事情，那就是距離的估計。

    對于人類來說，根據一張圖片去判斷其中距離的遠近，實在太過容易，可這對人工智能視覺算法來說，不是一件容易的事情。

    以現在的技術條件，需要進行非常復雜的標注，去分析樣例圖片中各個部位和像素的距離遠近。

    因為圖片畢竟是2D平面的，而自動駕駛是一個需要掌握好空間距離的任務。

    通過大量不同角度的平面圖片，來重構一個三維的空間，甚至鳥瞰視角的三維空間是必要的。

    不過現在這還只是空中樓閣，馬斯克再次聯系孟繁岐的來意非常簡單，就是希望這個作為骨干的神經網絡可以再快一點，或者計算量再小一點。

    否則以目前的情況看，特斯拉很難負擔得起這個運算量。

    實際上，馬斯克沒有對這件事情抱有特別大的希望。在他看來，孟繁岐上次給出的方案已經好到非常離譜了。

    在這個大家才剛開始復現DreamNet，還沒把殘差的原理和一些變種搞明白的時間點，孟繁岐已經針對各種不同平臺的其他運算設備，做了相當多的實驗。

    從而通過優化算子結構，調整特定計算過程的方式，將這個核心的骨干網絡參數量減少了接近十倍。

    運算快了這么多，性能卻沒什么變化，這已經非常不得了了。

    馬斯克有這一問，也是私下里的隨口一提。

    但他名頭太大，以往自己做的事情又太瘋狂，導致孟繁岐聽著他那頗為低沉，有磁性的聲音之時，當了真。

    還真以為這是個非常嚴肅認真的需求。

    “自動駕駛的熱度確實也快起來了，我專門針對這方面做點優化工作，也不算虧。”

    孟繁岐一邊利用著重生優勢開始抄底一些車企的股票，一邊開始著手實現一個巧妙的加速并且節省內存的方式。

    這個新的優化辦法叫做網絡結構的重參數化。

    這半年來，視覺方法性能的突飛猛進來自于孟繁岐提出的殘差方法，也就是將y = F(x)變為 y = F(x)+ x。

    這里的寫法比較簡便，將一系列復雜的操作，抽象歸納為F()，在實際運算過程中，這個F()還是比較復雜的，往往需要算上好一會。
    第(2/3)頁