Better performance will result beca

Better performance will result because the internal components selfoptimize to maximize overall system performance, instead ofoptimizing human-selected intermediate criteria, e. g., lane detection. Such criteria understandably are selected for ease of humaninterpretation which doesn’t automatically guarantee maximumsystem performance. Smaller networks are possible because the system learns to solve theproblem with the minimal number of processing steps. We used an NVIDIA DevBox and Torch 7 for training and an NVIDIADRIVETM PX self-driving car computer also running Torch 7 fordetermining where to drive. The system operates at 30 frames persecond (FPS).

結果 (繁體中文) 1:

將導致更好的性能，因為內部部件selfoptimize以最大化整個系統的性能，而不是
優化人選擇的中間標準，例如，車道檢測。
這樣的標準可以理解被選擇為便於人類的
解釋不自動保證最大
的系統性能。
較小的網絡是可能的，因為系統學習解決
與處理步驟的最小數量的問題。
我們使用了NVIDIA DevBox和火炬7培訓和NVIDIA
DRIVETM PX自駕車計算機還運行火炬7
確定在哪裡開車。該系統工作在每30幀
秒（FPS）。

結果 (繁體中文) 2:

由於內部元件進行自我優化，以最大限度地提高系統的整體性能，而不是
優化人工選擇的中間標準，例如車道檢測。
• 可理解地選擇這些標準是為了便於人類
解釋，不自動保證最大
系統性能。
• 較小的網路是可能的，因為系統學會解決
處理步驟數最少的問題。
• 我們使用 NVIDIA DevBox 和手電筒筒 7 進行訓練和 NVIDIA
DRIVETM PX自動駕駛汽車電腦也運行火炬7
確定在哪裡駕駛。系統以每 30 幀的速度運行
第二（FPS）。

結果 (繁體中文) 3:

會產生更好的效能，因為內部組件會自我優化以最大化整體系統性能，而不是
優化人工選擇的中間標準，例如車道檢測。
選擇這樣的標準是為了方便人類，這是可以理解的
不能自動保證最大值的解釋
系統性能。
較小的網絡是可能的，因為系統學會解决
處理步驟最少的問題。
我們使用了NVIDIA DevBox和Torch 7進行訓練，並使用了NVIDIA
DRIVETM PX自動駕駛汽車電腦也運行火炬7
决定開車去哪裡系統以每30幀的速度運行
秒（FPS）。