机器学习笔记 - 使用 PyTorch 的多任务学习和 HydraNet

一、HydraNet简述

        特斯拉使用了一个模型可以解决他们正在处理的每一项可能的任务。

        例如：物体检测、道路曲线估计、深度估计、3D重建、视频分析、物体追踪、ETC等等。

        以下是在 NVIDIA GPU 上以 3 种不同配置运行的 2 个计算机视觉模型的基准测试。

• 在第一个配置中，我们运行语义分割模型。
• 在第二种配置中，我们堆叠了单目深度估计模型。
• 在第三种配置中，我们正在构建一个能够同时完成这两项任务的 HydraNet。

        语义分割在第一列中以 29 FPS 运行，并使用70% 的 GPU。但一旦我们添加深度估计，GPU 就满了