安全な運転はデータ センターから始まる

自動運転車のために認識システムの正確度を上げるには、ディープ ニューラル ネットワーク モデルを短期間で開発/トレーニングすることが重要です。しかし、そのためには大量のデータでネットワークをトレーニングできるインフラストラクチャ が必要です。また、大量の画像を取り込み、キュレーションし、ラベル付けする必要があります。

AI コンピューティングでトレーニングを加速する

未来の自動運転車を作るには、高性能でエネルギー効率に優れた AI コンピューティング インフラストラクチャが必要です。トレーニングのデータ負荷を最適化し、自動運転車の運用に対して安全面で妥協しないことが成功の鍵となります。車両によって収集され処理される情報が多くなるほど、より早く賢い AI は、学習を行い判断が出来るようになります。

安全な自動運転車を消費者に提供可能な AI インフラストラクチャを構築する最良の方法は、GPU 搭載の NVIDIA® DGX システムでデータ センターを拡張することです。画期的な NVIDIA H100 Tensor コア GPU で加速される、まるで AI の発電所のような NVIDIA DGX H100 の前例のないパフォーマンスをご体験ください。また、NVIDIA DGX SuperPOD を使用したターンキー AI データ センター ソリューションは簡単にスケールすることができます。生産までの時間に影響を与えることなく、さまざまな環境条件や過渡現象の順列を数百万回テストし、モデル精度を上げ、より高水準の安全を実現します。

  • 実験を短時間で。大型のモデルをトレーニング可能。1 日目から洞察が得られます。
  • データ センターから車両まで広がるエンドツーエンドのオープン プラットフォームで AI イノベーションを改善します。
  • 現在最も人気があるディープラーニング フレームワークと AI のツールを NGC カタログから見つけて、ワークフローを合理化し加速しましょう。

Zenuity はスケーラブルな AI プラットフォームを利用し、より賢く、より安全な自動運転車の開発を加速しています。方法を見る

ディープ ニューラル ネットワークの学習

Tesla は、NVIDIA A100 GPU 搭載の自社製 スーパーコンピューターを使用して、オートパイロットや自動運転機能向けのディープ ニューラル ネットワークをトレーニングしています。その方法をご覧ください。

ディープ ニューラル ネットワークの学習

NVIDIA DGX システムは AV トレーニングを高速化し、費用対効果を上げます。その仕組みをご覧ください。