提起Uber自动驾驶技术全揭秘：Uber ATG机器学习架构与版本控制平台深度介绍大家在熟悉不过了，被越来越多的人所熟知，那你知道Uber自动驾驶技术全揭秘：Uber ATG机器学习架构与版本控制平台深度介绍吗？快和小编一起去了解一下吧！
作者 | Uber ATG
译者 | 王强
(资料图片仅供参考)
策划 | 钰莹
这些年来，Uber 的增长速度是指数级的，如今我们公司每天支持 1400 万次出行，我们的工程师也证明了他们可以实现大规模扩展。这种价值还延伸到了其他领域，其中就包括 Uber ATG（先进技术小组）和他们开发自动驾驶汽车的努力。
这项工作中的一个关键环节，就是创建机器学习（ML）模型来处理诸如传感器输入、对象识别以及预测这些对象可能去向这样的任务。解决这一问题所需的诸多模型，以及致力于解决这些问题的庞大工程师团队本身，催生了管理和版本控制问题。
为了解决这个问题，我们一开始定义了一个五步骤生命周期，以在我们的自动驾驶汽车中训练和部署 ML 模型。这个生命周期从数据摄取开始，一直发展到模型服务，接下来还要确保模型运行良好。这个流程使我们能够有效加快自动驾驶汽车组件的迭代，从而不断改善其表现以实现最高标准。
我们还能进一步自动化这一流程以更好地管理开发涉及的诸多模型。由于自动驾驶领域中 ML 模型的深度依赖性和开发的复杂性，我们开发了 VerCD，这是一套支持 ML 工作流的工具和微服务集合。VerCD 使我们可以使用自动化持续交付（CD）来追踪和管理 ML 工件的依赖项版本。
开发大规模模型的 ML 团队可能会发现，这里提到的 Uber ATG 为自动驾驶技术开发的五步模型生命周期，与 VerCD 的实践和工具可应用于多种用例，从而帮助他们迭代自己的基础设施。
自动驾驶汽车组件
我们的自动驾驶汽车组件有很多都使用 ML 模型，从而使车辆能够安全、准确地行驶。一个组件会包含一个或多个 ML 模型，所有组件在一起构成我们的自动驾驶汽车软件：
标签： vercd
