GPU如何驱动自动驾驶的发展？

因此，许多公司已经获得许可并收集了低精度地图。HERE、TOMTOM、ZENRIN等收集的地图可以融合到NVIDIA中的虚拟世界网络，帮助他们开展训练。

如果说依靠低精地图、定位、识别汽车周围情况，就需要开展汽车自动驾驶，这是我们传统的思路。NVIDIA必须超越这些传统想法。我们正在考虑如何去自学者的司机。

每个人开车时，看到的只有前挡玻璃和后视镜。汽车能看到这些图像自动驾驶吗？我们实现网络是模拟确实司机的不道德。司机不道德的是方向盘怎么打，油门，刹车怎么踩，这些都是非常简单的数据。

在不同的车况和速度下，司机不道德的决定不会有大的数据训练模型。让我家看非常简单的录像。这辆车最初不告诉司机，会犯很多错误。

驾驶员经过3000公里后，这辆车学会了如何驾驶员，如何安全地到达目的地。虽然已经可以出发了，但离实际使用还不远。我们可以看到新的方法。

那不简单，没有地图，不告诉前方发生了什么，只是看了什么样的图像，车辆模拟了司机的油门、刹车、方向盘。因此，深度自学几乎可以用新的方法自动驾驶。我们希望这种方法能给其他研究机构带来新的灵感，挑战传统的计算模式，以新的计算方式构建新的人工智能系统。深度自学后，大学中学的所有计算模型都受到挑战，所有模型都可以用新的数据方法创建新的人工智能系统，可以想象取代自己花了几十年的研究成果创建的模型。

所有的人工智能，无论是语言还是语音、图像、搜索，都与GPU有关。所有传统行业都利用深度自学推进新的改革，使新的研究方向超过新的高度和新的进步。原始文章允许禁止发布。下一篇文章发表了注意事项。

本文来源：澳门电子游戏正规网站-www.tjjunnuo.com