一种大规模仿真与模型推导方法、装置、设备及存储介质制造方法及图纸

本申请公开了大规模仿真与模型推导方法、装置、设备及存储介质，该装置包括：设有仿真软件模块的CPU和设有模型推导模块的GPU；所述GPU的数量少于所述CPU的数量；所述CPU通过RPC方式数据传输连接所述GPU。本申请在大规模仿真时可以降低场景仿真的成本，而且有利于提高GPU的使用率，节约计算资源。节约计算资源。节约计算资源。

【技术实现步骤摘要】
一种大规模仿真与模型推导方法、装置、设备及存储介质


[0001]本专利技术涉及自动驾驶
，尤其是涉及一种大规模仿真与模型推导方法、装置、设备及存储介质。

技术介绍

[0002]基于云平台的大规模仿真技术在自动驾驶领域有着重要的地位，可以减少算法在测试车辆进行测试的时间成本以及安全隐患，同时提高算法测试的效率以及算法测试对于各种场景的覆盖程度。
[0003]模型推导是自动驾驶算法的非常重要的组成部分。在场景访真时，算法模型需要这样使用：1.部署各种算法模型到GPU机器；2.利用访真软件收集传感器的数据，比如各种障碍物信息，周边环境信息等数据；3.利用访真软件获取车辆的高精准地图数据；4.利用访真软件将收集的数据输入算法模型；5.利用算法模型的引擎运算并反馈推导结果5.利用访真软件根据推导结果继续执行仿真任务。
[0004]自动驾驶算法每天需要运行几十万的场景来评估算法的效果，从而产生数以千万计的模型推导请求，因此对模型推导提出极高的要求。
[0005]其中，仿真软件是在CPU机器中运行的，而模型推导是在GPU机器中进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模仿真与模型推导装置，其特征在于，包括：设有仿真软件模块的CPU和设有模型推导模块的GPU；所述GPU的数量少于所述CPU的数量；所述CPU通过RPC方式数据传输连接所述GPU。2.根据权利要求1所述的大规模仿真与模型推导装置，其特征在于，包括：所述CPU还设有用于运行数据压缩算法的数据压缩模块；所述仿真软件模块的输出端连接所述数据压缩模块的输入端。3.根据权利要求2所述的大规模仿真与模型推导装置，其特征在于，所述数据压缩算法为gzip压缩算法。4.根据权利要求2所述的大规模仿真与模型推导装置，其特征在于，所述数据压缩算法为lz4压缩算法。5.根据权利要求2
‑
4任意一项所述的大规模仿真与模型推导装置，其特征在于，所述CPU还设有负载平衡模块；所述仿真软件模块的输出端通过所述数据压缩模块连接所述负载平衡模块的输入端。6.根据权利要求5所述的大规模仿真与模型推导装置，其特征在于，所述CPU还设有客户端；所述仿真软件模块、数据压缩模块和负载平衡模块设置在所述客户端之中；所述GPU还设有服务端和数据解压模块；所述模型推导模块和数据解压模块设置在所述服务端之中；所述负载平衡模块用于获取并存储所述服务端的地址信息；当所述客户端发出RPC请求时，所述客户端向所述负载平衡模块请求获取所述服务端的地址信息，所述客户端根据所述负载平衡模块返回的地址信息建立所述客户端与服务端之间的数据传输连接。7.根据权利要求6所述的大规模仿真与模型推导装置，其特征在于，所述负载平衡模块为使用xds负载平衡策略的负载平衡模块。8.根据权利要求6所述的大规模仿真与模型推导装置，其特征在于，所述负载平衡模块为使用glb负载平衡策略的负载平衡模块。9....

【专利技术属性】
技术研发人员：林崇，王亚亮，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：