최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 한성대학교 Hansung University |
---|---|
연구책임자 | 김명선 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2023-03 |
과제시작연도 | 2022 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO202300009476 |
과제고유번호 | 1711164706 |
사업명 | 개인기초연구(과기정통부) |
DB 구축일자 | 2023-10-11 |
키워드 | 다중 딥러닝 모델.자율주행 자동차.이기종 코어 스케줄링.적대적 딥러닝 모델 공격.딥러닝 스케줄링.Multiple Deep Learning Model.Self-driving Car.Heterogeneous Core Scheduling.Adversarial Attack on Deep Learning Models.Deep Learning Scheduling. |
□ 연구개요
자율주행차 AI 컴퓨팅 시스템에 있어서 글로벌 기업들은 이미 상용화 수준의 딥러닝 하드웨어 가속기와 이에 필요한 소프트웨어 스택까지 완벽하게 갖추고 있다. 이들 기업의 플랫폼을 그대로 자율주행차에 탑재할 경우 해당 기업의 하드웨어부터 소프트웨어 전체 스택까지 기술적으로 종속될 수밖에 없다. 본 연구에서는 이러한 기술 종속성을 피할 수 있게 하는 소프트웨어 기초 연구를 수행하였다. 본 연구에서 제시한 우선순위 기반 딥러닝 태스크의 성능 고립화, CPU-GPU 혼용 스케줄링, 데이터 재사용 및 메인 메모리 최소 접근
※ AI-Helper는 부적절한 답변을 할 수 있습니다.