《表4 常见网络的计算规模 (224×224图片)》
自动驾驶汽车中,DNN由于其拟合能力强、表征能力佳以及泛化能力优而备受瞩目。但同时DNN存在计算密集、访存密集的特点,实现低延时、高实时应用是十分困难的。由表4知,以图片分类(输入分辨率224×224)为例,常见网络的单帧前向推断运算次数已达109次级别,权重数量处于106个级别以上。而自动驾驶场景,图像传感器的分辨率不仅更高,且个数更多,加上激光雷达、毫米波雷达等多源传感器的实时处理需求,DNN的计算问题更为突出。因此,面向自动驾驶的深度网络,一是要根据智能化等级(L1到L5),选取合适性价比的计算硬件(包括模型训练和前向推断),提高硬件本身的利用效率;二是对网络进行优化和压缩,保证推断精度的同时,降低模型本身的计算量和存储量。
图表编号 | XD0072268900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 李升波、关阳、侯廉、高洪波、段京良、梁爽、汪玉、成波、李克强、任伟、李骏 |
绘制单位 | 清华大学车辆与运载学院、清华大学车辆与运载学院、清华大学车辆与运载学院、清华大学车辆与运载学院、加州大学伯克利分校机械系、清华大学电子工程系、清华大学电子工程系、清华大学车辆与运载学院、清华大学车辆与运载学院、加州大学河滨分校电子计算机系、清华大学车辆与运载学院 |
更多格式 | 高清、无水印(增值服务) |