常规情况下，神经网络是一组用于收集数据并从中识别模式的算法。所收集的数据取决于所涉及的平台以及平台可以向网络发送的信息类型，比如摄像头/图像数据等。当然，平台之间会有所差异，这意味着神经网络算法之间的差异，进行调整对于开发人员而言非常耗时。 在神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件中内置的可用选项做出决策。因此，需要以此对此类选项进行研究、对硬件文档进行审查以及对影响进行分析，选择好每一组选项，最终添加到神经网络，成为一种配置。特斯拉就是将此类选项成为称为决策点，也是该项专利发挥作用的关键部分。 根据专利申请文件，在插入神经网络模型以及特定硬件平台信息，让神经网络适应硬件平台后，软件代码就会遍布整个神经网络，以了解决策点的位置，然后针对此类决策点运营硬件参数，实现可用的配置。该软件方法着眼于硬件限制（如处理资源和性能指标的限制），并为神经网络生成满足让其正确运行的设置。 特斯拉的专利还具备在图形界面上显示神经网络配置信息，从而更加对用户友好的方式做出评估和选择的能力。比如，不同的配置可能需要不同的评估时间、功耗或内存消耗。日前，有国内媒体报道，特斯拉一项名为System and Method for Adapting a Neural Network Model On a Hardware Platform（译为让神经网络模型适应硬件平台的系统和方法）专利被公布。该专利的特别之处在于，对于神经网络的适应性问题，特斯拉采取的方法是自动化。 常规情况下，神经网络是一组用于收集数据并从中识别模式的算法。所收集的数据取决于所涉及的平台以及平台可以向网络发送的信息类型，比如摄像头/图像数据等。当然，平台之间会有所差异，这意味着神经网络算法之间的差异，进行调整对于开发人员而言非常耗时。 在神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件中内置的可用选项做出决策。因此，需要以此对此类选项进行研究、对硬件文档进行审查以及对影响进行分析，选择好每一组选项，最终添加到神经网络，成为一种配置。特斯拉就是将此类选项成为称为决策点，也是该项专利发挥作用的关键部分。 根据专利申请文件，在插入神经网络模型以及特定硬件平台信息，让神经网络适应硬件平台后，软件代码就会遍布整个神经网络，以了解决策点的位置，然后针对此类决策点运营硬件参数，实现可用的配置。该软件方法着眼于硬件限制（如处理资源和性能指标的限制），并为神经网络生成满足让其正确运行的设置。 特斯拉的专利还具备在图形界面上显示神经网络配置信息，从而更加对用户友好的方式做出评估和选择的能力。比如，不同的配置可能需要不同的评估时间、功耗或内存消耗。
常规情况下，神经网络是一组用于收集数据并从中识别模式的算法。所收集的数据取决于所涉及的平台以及平台可以向网络发送的信息类型，比如摄像头/图像数据等。当然，平台之间会有所差异，这意味着神经网络算法之间的差异，进行调整对于开发人员而言非常耗时。 在神经网络适应特定硬件的过程中，软件开发人员必须根据所用硬件中内置的可用选项做出决策。因此，需要以此对此类选项进行研究、对硬件文档进行审查以及对影响进行分析，选择好每一组选项，最终添加到神经网络，成为一种配置。特斯拉就是将此类选项成为称为决策点，也是该项专利发挥作用的关键部分。 根据专利申请文件，在插入神经网络模型以及特定硬件平台信息，让神经网络适应硬件平台后，软件代码就会遍布整个神经网络，以了解决策点的位置，然后针对此类决策点运营硬件参数，实现可用的配置。该软件方法着眼于硬件限制（如处理资源和性能指标的限制），并为神经网络生成满足让其正确运行的设置。 特斯拉的专利还具备在图形界面上显示神经网络配置信息，从而更加对用户友好的方式做出评估和选择的能力。比如，不同的配置可能需要不同的评估时间、功耗或内存消耗。