自动驾驶⻋端算力:达到L4级自动驾驶要求并不遥远 算力单位TOPS

Posted 2022-11-01 AI架构师易筋

1. ⻋端算力:达到L4级自动驾驶要求并不遥远

激光雷达方案:降低⻋辆环境感知的算法与算力需求

• 纯视觉方案基于平面数据来识别出周围物体距离、轮廓、色彩，对算法、算力要求高，需要后端强大 的数据中心训练算法
• 多传感器方案可直接获得物体的距离、轮廓、色彩数据，只需把各传感器获得的数据融合，算法难度 相对较低、算力需求也相对更低

纯视觉方案:

摄像头 --> 二维数据 --> 深度、轮廓(色彩数据) 需强算法(中心算力)、算力支持 --> 规划决策与控制

多传感器方案:

激光雷达 色彩数据 毫米波雷达 --> 摄像头 深度、轮廓、 --> 规划决策与控制
数据融合:算法(中心 算力)、算力需求更低

2. 简单介绍：算力单位TOPS，GPU处理能力（TFLOPS/TOPS）

2.1 TOPS是Tera Operations Per Second的缩写

1TOPS代表处理器每秒钟可进行一万亿次${10}^{12}$操作。

与此对应的还有GOPS（Giga Operations Per Second），MOPS（Million Operation Per Second）算力单位。1GOPS代表处理器每秒钟可进行十亿次（${10}^9$）操作，1MOPS代表处理器每秒钟可进行一百万次（${10}^6$）操作。TOPS同GOPS与MOPS可以换算，都代表每秒钟能处理的次数，单位不同而已。

在某些情况下，还使用 TOPS/W 来作为评价处理器运算能力的一个性能指标，TOPS/W 用于度量在1W功耗的情况下，处理器能进行多少万亿次操作。

2.1 GOPS（Giga Operations Per Second）

OPS与FLOPS类似，只不过OPS一个是操作次数，FLOPS一个是浮点操作次数。

FLOP与GOPS之间的换算

（FLOP与GOPS之间的换算需要查相关资料，后续查找资料给出）

不确定的看法是OPS是操作数量，FLOPS为浮点操作数量，两者可近似于相等，FLOPS比OPS稍大。

GOPS与FLOPS

2.2 FLOPS（floating-point operations per second）

是“每秒所执行的浮点运算次数”（floating-point operations per second）的缩写。它常被用来估算电脑的执行效能，尤其是在使用到大量浮点运算的科学计算领域中。正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能省略掉。

在这里所谓的“浮点运算”，实际上包括了所有涉及小数的运算。这类运算在某类应用软件中常常出现，而它们也比整数运算更花时间。现今大部分的处理器中，都有一个专门用来处理浮点运算的“浮点运算器”（FPU）。也因此FLOPS所量测的，实际上就是FPU的执行速度。而最常用来测量FLOPS的基准程式（benchmark）之一，就是Linpack。

2.3 FLOPS换算

• 一个MFLOPS（megaFLOPS）等于每秒一百万（=${10}^6$）次的浮点运算，

一个GFLOPS（gigaFLOPS）等于每秒十亿（=${10}^9$）次的浮点运算，

一个TFLOPS（teraFLOPS）等于每秒一万亿（=${10}^{12}$）次的浮点运算，(1太拉)

一个PFLOPS（petaFLOPS）等于每秒一千万亿（=${10}^{15}$）次的浮点运算，

前标的十进制与二进制

此处存在疑问，从M到G再到T，到底是1024近似为1000，还是采用二进制的乘以1024，还是确实为十进制的1000

倾向于FLOP的前标与内存一样，是以二进制算，每进一级是1024为单位的。

但是${1024}^3$是1073741824，可以近似为${10}^9$。所以采用${10}^3$来近似1024问题不大。

参考

http://imgtec.eetrend.com/blog/2021/100062210.html