$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공지능 프로세서 컴파일러 개발 동향
Trends of Compiler Development for AI Processor 원문보기

전자통신동향분석 = Electronics and telecommunications trends, v.36 no.2, 2021년, pp.32 - 42  

김진규 (인공지능프로세서연구실) ,  김혜지 (인공지능프로세서연구실) ,  조용철 (인공지능프로세서연구실) ,  김현미 (인공지능프로세서연구실) ,  여준기 (인공지능프로세서연구실) ,  한진호 (인공지능프로세서연구실) ,  권영수 (지능형반도체연구본부)

Abstract ▼ AI-Helper 아이콘AI-Helper

The rapid growth of deep-learning applications has invoked the R&D of artificial intelligence (AI) processors. A dedicated software framework such as a compiler and runtime APIs is required to achieve maximum processor performance. There are various compilers and frameworks for AI training and infer...

주제어

#AI Processor   #AI Compiler   #Deep Learning Framework  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • ONNX-MLIR의 목적은 TensorFlow와 마찬가지로 상위 수준의 IR 명령어를 이용하여 뉴럴 네트워크를 표현함으로써 최적화 및 하드웨어 의존도를 갖는 백앤드 처리의 자유도를 주는 것이다.
  • 본 고에서는 전 세계적으로 널리 개발되고 있는 인공지능 프로세서와 그의 컴파일러 동향에 관해 살펴보았으며, 컴파일러의 내부를 구성하는 명령어 기반 IR 및 DNN/BLAS 기반 방법 등에 관해 기술하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (33)

  1. Y. Lecun et al., "Gradient-based learning applied to document recognition," Proceedings of the IEEE, vol. 86, no. 11, 1998, pp. 2278-2324. 

    상세보기 crossref

  2. A. Krizhevsky, I. Sutskever, and G.E. Hinton, "Imagenet classification with deep convolutional neural networks," Adv. Neural Inf. Process. Syst. vol. 25, 2012, pp. 1097-1105. 

  3. K. He et al., "Deep residual learning for image recognition," in Proc. Conf. Comput. Vis. Pattern Recognit. Las Vegas, NV, USA, June 2016. 

  4. H. Pham et al., "Meta pseudo labels," arXiv preprint, CoRR, 2020, arXiv:2003.10580 

  5. https://mlcommons.org/en/ 

  6. Arm, "Arm NN future roadmap," https://developer.arm.com/ip-products/processors/machine-learning/arm-nn 

  7. https://github.com/ARM-software/ComputeLibrary 

  8. https://github.com/NervanaSystems/ngraph 

  9. Intel, "nGrapph developer guide," https://docs.openvinotoolkit.org/latest/openvino_docs_nGraph_DG_Introduction.html 

  10. Android, https://developer.android.com/ndk/guides/neuralnetworks 

  11. https://github.com/RadeonOpenCompute/ROCm 

  12. https://github.com/NVIDIA/TensorRT 

  13. https://github.com/Xilinx/Vitis-AI 

  14. https://github.com/tensorflow/tensorflow 

  15. https://github.com/pytorch/pytorch 

  16. https://github.com/onnx/onnx 

  17. https://github.com/microsoft/onnxruntime 

  18. https://github.com/xianyi/OpenBLAS 

  19. https://github.com/math-atlas/math-atlas 

  20. https://github.com/oneapi-src/oneDNN 

  21. https://developer.nvidia.com/cuda-toolkit 

  22. https://developer.nvidia.com/CUDnn 

  23. C. Nugteren, "CLBlast: A tuned OpenCL BLAS library," in Proc. Int. Workshop OpenCL, Oxford, UK, May 2018, 5:1-10. 

  24. https://github.com/NVIDIA/cutlass 

  25. https://www.tensorflow.org/xla 

  26. C. Lattner et al., "MLIR: A compiler infrastructure for the end of Moore's law," arXiv preprint, CoRR, 2020, arXiv:2002.11054 

  27. https://github.com/onnx/onnx-mlir 

  28. T.D. Le et al., "Compiling ONNX neural network models using MLIR," arXiv preprint, CoRR, 2020, arXiv:2008.08272 

  29. Y.C.P. Cho et al., "AB9: A neural processor for inference acceleration," ETRI J. vol. 42, no. 4, 2020, pp. 491-504. 

    원문보기 상세보기 crossref

  30. J. Han, M. Choi, and Y. Kwon, "40-TFLOPS artificial intelligence processor with function-safe programmable many-cores for ISO26262 ASIL-D," ETRI J. vol. 42, no. 4, 2020, pp. 468-479. 

    원문보기 상세보기 crossref

  31. H.M. Kim, C.G. Lyuh, and Y. Kwon, "Automated optimization for memory-efficient high-performance deep neural network accelerators," ETRI J. vol. 42, no. 4, 2020, pp. 505-517. 

    원문보기 상세보기 crossref

  32. 이미영 외, "인공지능프로세서 기술 동향," 전자통신동향분석, 제35권 제3호, 2020, pp. 66-75. 

    원문보기 상세보기 crossref

  33. 한진호, 권영수, "병렬 컴퓨팅 기반 인공지능 프로세서 기술동향," IITP 주간기술동향, 제1964호, 2020, pp. 16-29. 

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로