标签：自动驾驶车辆
在Uber ATG的机器学习基础架构和版本控制平台的引擎盖下
管理多个机器学习模型以实现自动驾驶汽车是一个挑战。Uber ATG开发了一个模型生命周期，用于快速迭代和一种用于连续交付和依赖管理的工具。
SBNET：利用激活块稀疏性来加快卷积神经网络
Uber ATG多伦多开发了稀疏块网络（SBNET），这是一种用于TensorFlow的开源算法，以加快我们3D车辆检测系统的推断，同时降低计算成本。
遇见Horovod：Uber的开源分布量为TensorFlow的深度学习框架
Uber Engineering推出了Horovod，这是一个开源框架，它使使用TensorFlow训练深度学习模型更快，更易于。
Uber工程Uber的自动驾驶汽车可视化平台
Uber Engineering的数据可视化团队和ATG建立了一个新的基于Web的平台，该平台可帮助工程师和运营商在测试其自动驾驶车辆期间更好地了解收集的信息。
