热点：特斯拉新专利：让神经互联网自动适应硬件平台

据外媒报道，最近特斯拉将神经网络模型适应硬件平台的系统和做法( systemandmethodforadaptinganeuralnetworkmodelonahardwareplatform )

(图像来源: teslarati )

通常，神经网络是收集数据并从中识别模式的一组算法。 收集的具体数据取决于平台可以向互联网发送的消息类型，如相关平台和相机/图像数据。 平台之间的差异意味着神经网络算法之间的差异，进行调整对开发者来说非常花时间。 就像应用程序必须被编程在手机和平板电脑的操作系统和硬件上工作一样，但是特斯拉对于神经网络的适应性问题，采取了自动化方法。

在使神经网络适应特定硬件的过程中，软件开发者必须根据内置在使用的硬件中的可用选项来决定。 通常，需要依次研究这样的选项，审查硬件文档，分析影响，选择各个选项，最终追加到神经网络中，成为配置。 特斯拉把这样的选择称为决定点，也是本发明发挥作用的重要部分。

根据专利申请文件，插入神经网络模型和特定硬件平台新闻，使神经网络适应硬件平台后，软件代码遍布神经网络整体，政策点的位置 该软件方法着眼于解决资源和性能指标的限制等硬件限制，生成用于使神经网络正确动作的设定。

为了具体执行抽象的神经网络，为了进行一个或多个系统部件、数值精度、算法选择、数据填充、加速器采用、步幅等的执行决定，基于神经网络的各层次或张量进行这样的决定 本发明在执行神经网络之前，作为基础软件和硬件平台不支持很多结构，

特斯拉的发明还具备在图形界面上显示神经网络配置新闻，以更易于顾客的方式进行判断和选择的能力。 例如，根据配置的不同，判断时间、功耗、内存消耗量可能会不同。 例如，不是根据ai希望如何与硬件一起工作来选择结构，而是根据轨道模式和距离模式的不同来选择结构。

据报道，这项专利申请似乎是特斯拉收购deepscale后研究的产品之一。 deepscale是一个ai初创企业，专注于全自动驾驶和小型设备的神经网络设计。 这个专利的发明者是michael driscoll博士，是deepscale企业的高级工程师，成为了特斯拉的高级软件工程师。 在今年进行独立研究之前，deepscale的前CEO Forrest IA NDola博士也在特斯拉担任高级机器学习科学家。