초록 ▼

□ 연구개요
이 연구는 딥러닝 기반 어플리케이션의 실행 시간 성능 향상을 위해 하드웨어와 소프트웨어의 협력적인 최적화 방법 개발과 이를 반영한 컴파일러 프레임워크 구현을 목표로 한다. 사물 및 음성 인식 프로그램, 자율 주행 자동차 등 딥러닝 기술의 활용 범위가 넓어지면서, 딥러닝 기반 어플리케이션 시장이 확대되고 중요시되었다. 개발자들은 딥러닝 기반 어플리케이션의 인지 성능을 높이기 위해 보다 많은 데이터를 수집하고 처리하는 반면, 사용자들이 요구하는 반응 시간은 점차 빨라지고 있어, 딥러닝 어플리케이션들의 연산 성능은 시장

□ 연구개요
이 연구는 딥러닝 기반 어플리케이션의 실행 시간 성능 향상을 위해 하드웨어와 소프트웨어의 협력적인 최적화 방법 개발과 이를 반영한 컴파일러 프레임워크 구현을 목표로 한다. 사물 및 음성 인식 프로그램, 자율 주행 자동차 등 딥러닝 기술의 활용 범위가 넓어지면서, 딥러닝 기반 어플리케이션 시장이 확대되고 중요시되었다. 개발자들은 딥러닝 기반 어플리케이션의 인지 성능을 높이기 위해 보다 많은 데이터를 수집하고 처리하는 반면, 사용자들이 요구하는 반응 시간은 점차 빨라지고 있어, 딥러닝 어플리케이션들의 연산 성능은 시장 경쟁력 확보에 매우 중요한 요소가 되었다. 이러한 요구에 맞추어, Caffe, TensorFlow, CNTK, Torch와 같은 딥러닝 플렛폼이 제안되었지만, 기존의 플렛폼들은 일반화된 딥러닝 어플리케이션을 대상으로 하기에, 특정 어플리케이션에서는 불필요한 연산을 수행하는 등 최적화된 실행은 보장하지 못하는 한계가 있다. 본 연구는 딥러닝 어플리케이션과 플렛폼을 함께 컴파일하여, 개발자는 기존의 편리한 개발환경을 유지하면서도, 컴파일 된 어플리케이션은 불필요한 연산 없이 실행하여 최적의 수행 성능을 얻고자 한다.

□ 연구 목표대비 연구결과
본 과제는 딥러닝 어플리케이션과 플렛폼을 함께 컴파일하여, 특정 딥러닝 어플리케이션을 최적화할 수 있는 컴파일러 프레임워크를 제안하였다. 특히 하드웨어 자원을 최대한 활용하기 위해, GPU 뿐만 아니라 FPGA 주요 플랫폼으로 설정하여 프로그램 최적화를 진행하였다.
1차년도에는 하드웨어 최적화를 위해 GPU와 FPGA 하드웨어 특성을 분석하였으며, FPGA를 효율적으로 제어할 수 있는 기법을 개발하였다. 소프트웨어 최적화를 위해 딥러닝 플랫폼을 분석하고 컴파일러가 플랫폼을 최적화할 수 있도록 연구 및 개발 환경을 구축하였으며, 또한 기존의 딥러닝 어플리케이션과 최적화 연구 기법을 분석하여, 딥러닝 어플리케이션의 특징과 기존 연구들의 장단점을 파악하였다.
2차년도에는 특정 딥러닝 플랫폼 대해 어플리케이션/플랫폼 통합적 최적화 기법을 개발하였다. 특히, 단일 어플리케이션에 대해 FPGA 코드 생성 HLS 시스템 구현과 딥러닝 어플리케이션과 플랫폼을 함께 최적화하는 Partial Evaluation 컴파일 기법 개발로 나누어 진행하였다.
3차년도에는 개발한 플랫폼을 모바일 분산 환경에서의 지능형 시스템에 적용하였으며, 모바일 분산 이종 환경에서의 협력적 수행을 위한 컴파일러 최적화 기술을 제안하였다. 또한 지능형 시스템 최적화를 위해 새로운 자료구조를 제안하고, 추천 시스템에 적용하였다.

□ 연구개발결과의 중요성
본 연구는 딥러닝 어플리케이션을 대상으로 하드웨어/소프트웨어 협력적 최적화하는 컴파일러 기법을 개발하여, 개발자들이 기존의 딥러닝 플렛폼을 활용하여 손쉽게 딥러닝 기반 지능형 어플리케이션 작성할 수 있으면서도, 전용 어플리케이션을 개발한 것과 같은 빠른 연산 성능을 얻을 수 있도록 한다. 이를 통해 상용 지능형 어플리케이션의 개발 시간 및 비용을 절감할 수 있으며, 개발자들이 최적화보다 서비스 알고리즘 구현에 더 집중하고 빠르게 양질의 어플리케이션을 개발하여 날로 경쟁이 치열해지는 딥러닝 어플리케이션 시장에서 경쟁력을 확보할 것이라 기대한다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 4
• 2.1. 딥러닝 어플리케이션 및 플랫폼 분석 ... 4
• 2.2. 이종 디바이스의 협력적 수행 최적화 ... 5
• 2.3. 딥러닝 최적화 알고리즘 개발 ... 6
• 2.4. 딥러닝 최적화 알고리즘 컴파일러 개발 ... 8
• 2.5. FPGA 코드 자동 생성 ... 9
• 3. 연구개발결과의 중요성 ... 11
• 4. 참고문헌 ... 12
• 5. 연구성과 ... 12
• 대표적 연구실적 ... 13
• 끝페이지 ... 23