XX% ต่อวินาที => XX%

ไม่ต้องมีต่อวินาทีครับ (ร้อยละไม่มีหน่วย)

ต้นทางเค้าขยายว่า "in operation per second" เพื่อที่จะบอกว่าที่เพิ่มนี่เพิ่มอะไร แต่มันไม่ใช่หน่วยครับ

ดูภาพแล้วอีกนานครับที่จะขับมาได้ถึงหน้าบ้านผม เจอทำถนนก็วิ่งตกหลุมไม่ต้องไปต่อแล้ว...

เดาว่าคงจะ OC หนักๆแล้วใช้การระบายความร้อนด้วยสารทำความเย็นจากระบบปรับอากาศส่วนหนึ่งหรือเปล่า เพราะ 500-2000% มันเพิ่มมากขึ้นผิดปกติจนเกินไป

ต่อไป ถอดเปลี่ยนอุปกรณ์ได้แบบ PC

เท่าที่อ่านเจอเค้าบอกว่าใช้ 8 ตัวอยู่แล้ว แต่การให้น้ำหนักกับกล้องบางตัวน้อย
แต่ตอนนี้ใน V9 มันให้น้ำหนักกล้องทุกตัวเท่ากัน กลายเป็นว่า ข้อมูลที่จะใช้เทรนมีมหาศาลกว่าเดิมหลายเท่า
นั่นคือเหตุผลว่าทำไมต้องใช้ความสามารถในการประมวลผลที่มากขึ้นกว่าเดิม

• Same weight file being used for all cameras (this has pretty interesting implications and previously V8 main/narrow seems to have had separate weights for each camera)
• Processed resolution of 3 front cameras and back camera: 1280×960 (full camera resolution)
• Processed resolution of pillar and repeater cameras: 640×480 (1/2×1/2 of camera’s true resolution)
• all cameras: 3 color channels, 2 frames (2 frames also has very interesting implications) (was 640×416, 2 color channels, 1 frame, only main and narrow in V8)
  .
  “This V9 network is a monster, and that’s not the half of it. When you increase the number of parameters (weights) in an NN by a factor of 5 you don’t just get 5 times the capacity and need 5 times as much training data. In terms of expressive capacity increase it’s more akin to a number with 5 times as many digits. So if V8’s expressive capacity was 10, V9’s capacity is more like 100,000. It’s a mind boggling expansion of raw capacity. And likewise the amount of training data doesn’t go up by a mere 5x. It probably takes at least thousands and perhaps millions of times more data to fully utilize a network that has 5x as many parameters.