하드웨어 인식 신경 아키텍처 검색(HW-NAS)는 딥러닝 아키텍쳐 전문가가 아닌, 인공지능이 특정 하드웨어에 최적화된 딥러닝 모델을 자동으로 설계합니다. 다만, HW-NAS는 엄청난 양의 컴퓨팅 시간이 요구되기 때문에 일반적인 사용자들이 사용하기에는 적합하지 않습니다. 제가 발표할 주제는 HW-NAS에서의 컴퓨팅 비용을 크게 줄이는 방법입니다. 이를 위해서 정확도 예측기(accuracy predictor)와 대기 시간 추정기(latency estimator)를 개발했습니다. 이를 통해서, 전체 검색에 소요되는 시간이 GPU를 사용했을 때에도 수 일 또는 수 주가 걸리는 것을 CPU에서 1분 미만으로 단축했습니다. 또한, HW-NAS를 위해서 필요한 다중 목표 최적화(multi-objective optimization)를 위한 새로운 방법인 세분화 기반 선택(segmentation-based selection)을 소개합니다.

• Hardware aware
• Artificial intelligence
• Deep learning
• Multi-objective optimization
• Neural architecture discovery

목록

  전체댓글 0

[로그인]

댓글 입력란

0/500자