目前，業(yè)界主流的自動駕駛方案需要融合圖像、激光雷達、毫米波雷達、GPS等多個模態(tài)數(shù)據(jù)，但大規(guī)模訓練樣本數(shù)據(jù)加載和預處理的效率較低，導致GPU資源浪費；同時，自動駕駛模型算子數(shù)量巨大，使用現(xiàn)有訓推框架系統(tǒng)執(zhí)行效率低下，且優(yōu)化門檻高。
阿里云推出的PAI-TurboX，在多模態(tài)數(shù)據(jù)預處理、離線大規(guī)模模型訓練以及實時智駕推理等環(huán)節(jié)提供了全面解決方案。在系統(tǒng)側(cè)，PAI-TurboX通過優(yōu)化CPU親和性、動態(tài)編譯、流水線并行等策略，顯著提升模型的訓練推理效率；在數(shù)據(jù)側(cè)，PAI-TurboX提出了高性能的DataLoader引擎，并且優(yōu)化了數(shù)據(jù)預處理流程和實現(xiàn)了智能訓練樣本分組，有效提升數(shù)據(jù)處理效率。
此外，PAI-TurboX還提供了算子優(yōu)化和量化等能力，可進一步減少訓練階段的訪存延遲，提升吞吐效率，同時在推理任務中，能在保障精度的同時降低計算開銷與內(nèi)存帶寬需求，可實現(xiàn)異構(gòu)平臺下的高性能推理部署。
實測結(jié)果顯示，在自動駕駛的3D物體檢測模型BEVFusion訓練任務中，PAI-TurboX可以將訓練時間縮短58.5%；在實時在線矢量化高精地圖構(gòu)建模型MapTR訓練任務中，PAI-TurboX可以將訓練時間縮短53%；在端到端自動駕駛模型SparseDrive訓練任務中，PAI-TurboX 可以在感知模塊訓練和聯(lián)合訓練兩個階段獲得明顯的速度提升，相同訓練步數(shù)下可分別縮短51.5%和48.5%。
阿里云研究員林偉表示：“ TurboX不僅可以提升自動駕駛模型的訓推效率，還將進一步加速世界模型的開發(fā)進程，讓所有終端和人一樣具備感知、思考和決策能力?！?/p>
據(jù)介紹，阿里云人工智能平臺PAI可提供貫穿AI開發(fā)和運維全流程的平臺服務。自2016年誕生以來，PAI已累計服務超過10萬家企業(yè)客戶及數(shù)百萬AI開發(fā)者，支撐阿里云百煉、魔搭社區(qū)等MaaS服務及社區(qū)。
