理解自动驾驶中深度神经网络推理的时间变化
机器学习
2022-09-14 v1 人工智能
机器人学
摘要
深度神经网络(DNNs)因其在感知、决策与控制方面的高精度而被广泛应用于自动驾驶。在诸如自动驾驶等安全关键系统中,实时执行感知与决策等任务对车辆安全至关重要,这要求应用的执行时间具有可预测性。然而,在 DNN 推理中观察到了不可忽略的时间变化。当前 DNN 推理研究要么忽视时间变化问题,要么依赖调度器来处理它。现有工作均未解释 DNN 推理时间变化的根本原因。理解 DNN 推理的时间变化成为自动驾驶实时调度中的基本挑战。在本工作中,我们从数据、I/O、模型、运行时、硬件和端到端感知系统六个视角细粒度地分析了 DNN 推理中的时间变化。在理解 DNN 推理时间变化方面得出了六条见解。
引用
@article{arxiv.2209.05487,
title = {Understanding Time Variations of DNN Inference in Autonomous Driving},
author = {Liangkai Liu and Yanzhi Wang and Weisong Shi},
journal= {arXiv preprint arXiv:2209.05487},
year = {2022}
}
备注
14 pages, 17 figures, 10 tables