- 연구요약
본 과제에서는 사용자 플랫폼의 하드웨어 조건을 고려한 딥러닝 모델 자동선택 기술(AutoFit)과 선택된 모델의 빠른 학습을 위한 메모리 분할학습 시스템(Deep Partitioned Training) 기술을 개발하고자 한다. 가속화의 중심인 메모리 분할학습 시스템 개발은 스토리지 내부에서의 학습 처리와 NPU-CPU에서의 학습 처리간의 적절한 분배를 통해 인터페이스 대역폭의 제약을 최대한 극복하여 학습 속도를 크게 향상시키고자 한다.

- 기대효과
기존 인공지능 모델의 자동선택 기술보다 현실적인 사용을 가능케 하는 소프트웨어를 개발하고, 더 나아가 다양한 하드웨어 구조에 최적화 된 딥러닝 모델을 찾아주고자 한다. 또한, 기존의 학습 시스템에서는 프로세서 구조의 최적화 혹은 인스토리지 연산에 대한 연구가 독립적으로 진행되었으나, 다계층 분할학습을 통한 서버 학습 시스템의 가속화 연구는 세계 첫 시도가 될 것으로 보인다.

- 과제목표
데이터플로우 시뮬레이터를 함께 사용하는 DNN모델 서치엔진인 AutoFit 소프트웨어를 개발하고자 한다. 또한, 메모리 분할학습 시스템을 FPGA를 통해 하드웨어로 구현하여 실제 DNN 학습을 통해 그 효율성을 입증하고 학습속도 향상을 다양한 벤치마크에 대해서 분석하고자 한다. 이렇게 개발될 분할학습 플랫폼은 추후 다양한 연구에서 활용될 계획이다.