최근 10년간 수많은 딥러닝 모델들이 개발되어 왔습니다. 그런데, 이 모델들을 어떤 하드웨어에서 실행시키는냐에 따라 실행 속도의 차이를 나타낼 수 있습니다. 또한, 어떤 모델들은 그 메모리 크기가 커서 비교적 하드웨어의 용량이 작은 엣지 디바이스에서는 실행 자체가 안될 수도 있습니다. 따라서 우리는 모델들을 실행시키고자 하는 하드웨어에 맞게 모델의 정확도와 실행 속도, 메모리 용량들을 고려하여 최적화시킬 필요가 있습니다. 그런데, 딥러닝 모델을 개발하는 것은 쉬운 일이 아닙니다. 이 분야의 경험과 지식이 많은 전문가들이 수많은 시간과 노력을 들여서 개발해 온 것입니다. 이러한 딥러닝 모델 개발을 사람이 아닌 인공지능이 하게 할 수는 없을까? 이것이 신경망 아키텍처 조사(Neural architecture search, NAS)입니다. 본 세미나에서는 NAS의 개념 및 방법에 대해서 설명하도록 하겠습니다. 또한, 그 한계와 이를 어떻게 극복할 수 있는지, 그리고, 실제적인 적용사례를 소개하도록 하겠습니다.

• Neural architecture search
• Deep learning
• Edge devices
• Hardware capacity
• Artificial intelligence

목록

  전체댓글 0

[로그인]

댓글 입력란

0/500자