網絡硬件加速器在自動駕駛計算平臺的作用詳細說明

　　近幾十年來，圖形處理器（GPU）已從最初作為大型電玩的視頻顯示適配器演進為一個強大的計算中心，并且正在推動人工智能和機器學習的發(fā)展，包括從石油和天然氣勘探到自然語言處理等眾多領域的計算工作。如今，GPU正在自動駕駛和先進駕駛輔助系統(tǒng)（ADAS）技術的發(fā)展中扮演著越來越重要的作用。

　　在本文中，我們將介紹神經網絡硬件加速器在自動駕駛計算平臺的重要作用，他可以將極高性能和極低功耗完美結合在一起。

　　你或許想知道GPU是如何從電子游樂場走向前沿科學研究和自動駕駛汽車的？GPU作為處理大數據工作負載的首選處理器而逐漸崛起，歸因于傳統(tǒng)中央處理器（CPU）和GPU之間存在一些基本的架構差異。GPU是一種專用的微處理器，最初是為渲染游戲中的視覺效果和3D圖形而設計，這些游戲需要強大的計算能力來顯示實時動作效果。為了提供這種能力，GPU使用數千個小型高效的內核來實現(xiàn)可同時處理大量數據的大規(guī)模并行架構。

　　相比之下，典型的CPU僅由幾個內核和大量高速緩存組成，通常設計為一次只處理幾個軟件線程。CPU針對順序串行處理進行了優(yōu)化，更適合于通用的計算工作。然而，當涉及同時處理大量數據時，GPU則更勝一籌。

　　GPU憑借數百個內核能夠并行處理數千個線程，與典型CPU的性能相比，GPU可以將某些軟件的性能提高20倍以上。越來越多出現(xiàn)的情況是，我們期望計算機為我們解決那些具有挑戰(zhàn)性的計算問題都具有固有的并行結構——可以想想大量的視頻處理、圖像分析、信號處理和機器學習等流程，它們都必須能可靠、實時地運行才可以確保實現(xiàn)汽車自動駕駛。在諸如電池供電的電動汽車等功率受限的系統(tǒng)中，GPU往往能夠在實現(xiàn)這種處理速度的同時提供比CPU更高的能效和成本效益，這一點也很重要。