人工智慧正席捲自駕車產業。舉例來說,根據全球金融服務公司瑞銀集團(UBS)所預測,採用人工智慧技術的自駕計程車到了 2030 年將在全世界創造價值 2 兆美元的市場。

這說明了在人工智慧革新產業的過程中,最重要的方向之一:開發自駕技術。自駕車使用配備攝影機的機器視覺系統、雷達以及激光雷達偵測裝置,來感知、瞭解周遭的環境,並安全地導航。

在本實作坊中,你將學到如何最佳化自駕車偵測應用程式,如車道導航和行人偵測等的效能表現。你將學習如何建立及訓練語意分割神經網路,藉以辨識道路、行人和其他車輛等物體。接著,你將在 NVIDIA DRIVE AGX™ 平台部署神經網路,推動車輛進行自主導航。完成實作坊後,你將具備打造適用於多種自駕情境的人工智慧應用程式所需的技能,可用於高速公路駕駛、城市道路駕駛和停車。

 

學習目標


參加本實作坊可學會:
  • 在 DRIVE AGX 平台上使用不同的 GPU 記憶體設定來執行範例程式碼,判斷哪一種設定在各種使用案例中最有效
  • 在 DRIVE AGX 平台上使用 CUDA® 以及定時推論測試案例,比較多種最佳化效能的方法
  • 透過結合全卷積網路(fully convolutional network,FCN)的「Head」與 MobileNets 卷積神經網路(CNN)的「Stem」,建立並訓練語意分割網路以瞭解自駕車場景
  • 使用 Cityscapes 資料,運用 NVIDIA DIGITS 工具訓練語意分割模型,展示如何將場景以像素進行語意分割
  • 將 Keras 和 Tensorflow 語意分割模型轉換為可部署於 DRIVE AGX 平台上的實際應用程式,且經最佳化的 NVIDIA® TensorRT™ 模型
  • 在 DRIVE AGX 平台上部署並執行最佳化的 TensorRT 模型,展示 DRIVE 應用程式的開發和部署工作流程

下載實作坊大綱與簡介 (PDF 299 KB)

實作坊大綱

概覽
(15 分鐘)
  • 認識講師。
  • 在 courses.nvidia.com/join 建立帳號
DRIVE AGX 上使用 CUDA
(120 分鐘)
    學習透過記憶體管理和最佳化技術來提升 DRIVE 應用程式中 GPU 效能:
    • 測試及比較傳統記憶體、固定記憶體和整合記憶體三種類型對效能的影響。
    • 探索推論中的混合精度運算最佳化。
    • 使用 CUDA 串流和負載平衡技術最佳化效能。
休息時間 (60 分鐘)
訓練適用於 DRIVE 的語意分割
(120 分鐘)
    探索如何建立及訓練全卷積網路進行語意分割,並將此技術部署用於分析自駕車場景:
    • 在TensorFlow 中以傳統卷積神經網路為基礎,建立語意分割全卷積網路。
    • 準備 Cityscapes 資料集,使用 DIGITS 訓練全卷積網路。
    • 在 DIGITS 中訓練全卷積網路,並運用推論進行測試,觀察測試結果中的場景像素語意分割。
休息時間 (15 分鐘)
使用 TensorRT 部署語意分割網路
(120 分鐘)
    瞭解適用於自駕語意分割使用案例的 TensorRT 開發工作流程:
    • 將使用 Keras 和 TensorRT 打造的預先訓練語意分割模型進行最佳化,以用於嵌入式系統。
    • 測試並比較 Keras 實作、TensorRT FP32 和 TensorRT INT8 的效能及準確度。
    • 建立校正資料集,並將模型部署至嵌入式目標系統,以便進行其他的效能比較。
測驗與問答 (15 分鐘)
 

實作坊詳情

時間: 8 小時

時間: 如需瞭解價格,請聯絡我們。 

必備基礎能力:

  • 熟悉 C++ 和 Python
  • 具有卷積神經網路(CNN)的經驗

為了達到必備基礎能力的建議教材:C++ 教學Python 教學卷積神經網路

技術: TensorFlow、Keras、NVIDIA TensorRT、CUDA C++、Python、NVIDIA DIGITS

認證證書: 完成測驗後,參與者將會收到 NVIDIA DLI 認證證書,證明他們具有相關主題的能力,支援其專業職涯成長。

硬體需求: 可運作最新版本 Chrome 或 Firefox 的桌上型電腦或筆記型電腦。每位參與者都能在雲端上使用專屬且全面設定完成的 GPU 加速伺服器。

教材語言: 英文、簡體中文

Upcoming Workshops

若貴組織希望為員工提升 AI、加速運算、加速資料科學等的關鍵開發技能,歡迎申請由講師帶領的 NVIDIA DLI 實作坊。

需要任何協助?