전체검색

사이트 내 전체검색

News

NOTICE

네오와인 ONNX 지원 인공지능 반도체 IP 개발 중

페이지 정보

작성자 neowine
조회 675회 작성일 21-06-07 15:12

본문

네오와인은 NIPA 의 2021년도 과학기술정보통신부 인공지능반도체 혁신기업 집중육성(R&D) 과제 에 응모하여 ONNX ( Open Neural Network ) 적용 인공지능 반도체 IP 를 개발중 이다.

ONNX 는 머신런닝을 위한 규격이다.

ONNX 를 이해 하려면 먼저 딥러닝 프레임워크에 대해서 알아야 한다. 딥러닝이란 인공 신경망 ( ANN : artificial neural networks ) 을 사용한 입력 데이터로부터 높은 수준의 특징을 추출하는 광범위한 기계학습을 말한다. 참조 (1), (2)

이러한 딥러닝의 다양한 프로그램 언어 인터페이스를 갖고 있는 것이 딥러닝 프레임 워크이다. 딥러닝 프레임워크의 API 를 사용하여 인공지능 모델을 학습하고 테스트 할수 있다.

주요 딥 러닝 프레임워크의 출현시기

딥러닝 구현을 위한 프레임워크의 종류가 많기 때문에 유저는 인공지능 처리를 할때마다 각각의 특성에 맞는 언어를 선정하여 데이터 셋을 만들고 훈련을 해야 하는 번거로움이 따르게 된다.

이러한 수고를 덜기위해서 ONNX 를 만들게 되었다. ONNX 는 플랫폼호환뿐 아니라 디바이스 혹은 기기간 호환도 가능하게 된다. 네오와인은 ONNX 를 지원하는 반도체 IP 개발및 이러한 반도체의 운영을 위한 소프트웨어 플랫폼을 개발할 예정이다.

기존의 ONNX 플랫폼을 사용할 경우 데이터 호환은 가능하지만 기존의 인공지능 반도체를 개발하는 것이 아닌 각사에 특화된 인공지능 반도체를 개발하려면 특화된 서비스가 필요하다.

인공지능 반도체는 엔비니다 혹은 구글이나 아마존 같은 회사가 개발할 수 있다. 인공지능 반도체는 아래와 같이 수백조원의 시가총액을 가진 회사들이 개발하고 있다. 어떤 제품을 개발한 다는 것은 그 인력의 채용뿐 아니라 교육, 육성, 업그레이드, 개발, 양산, 판매, 마케팅 전반에 대한 투자를 한다는 것이다.

즉 인공지능 반도체 개발비에 수백억을 쏟아서 한개의 프러덕트를 만들면 되는 것이 아니고 이것에 관한 투자와 전체적인 비지니스를 수행할 역량이 필요하기 때문에 전문 반도체 회사가 아닌 경우 실질적으로 운영하려면 몇조 단위의 투자가 필요하게 된다.

네오와인은 이러한 엄청난 투자 미스매치를 해결하기 위하여 ONNX 를 지원하는 반도체 IP 를 개발할 예정이며 반도체 IP 를 커스터마이징 하는 서비스와 지원 SoftWare 플랫폼, 응용 어플리케이션 예제와 사례등 인공지능을 구현하려는 비지니스 회사가 필요로 하는 서비스 전반을 개발 중이다.

중견 혹은 대기업이 진출하고자 하는 인공지능 서비스와 반도체 개발을 독자적으로 할것이 아니고 네오와인의 인공지능 반도체 IP 를 사용하여 개발하는 것이 비용면에서 수백배 절약된다.

주요 딥러닝 프레임워크의 종류

1. Tensorflow

2. PyTorch

3. Caffe

4. MXNet

5. Chainer

6. DeepLearning4j

7. Flux

8. Matlab – Deep Learning Toolbox

9. Microsoft Cognitive Toolkit

10. Keras

11. Theano

1. Tensorflow

Google Brain에서 개발 한 Tensorflow 는 지금까지 가장 많이 사용되는 딥 러닝 프레임 워크 중 하나입니다. Tensorflow는 전처리부터 데이터 모델링까지 다양한 API (애플리케이션 프로그래밍 언어)를 제공했습니다. Python, C ++ 및 CUDA로 작성되었습니다. 거의 모든 플랫폼 (Linux, Windows, macOS, iOS 및 Android)에서 실행됩니다. Android 및 iOS의 경우 Tensorflow는 TensorflowLite 버전을 제공합니다. 배포를 위해 Tensorflow는 강력한 클러스터링 지원을 제공합니다. Tensorflow는 CPU, GPU 및 TPU에서도 사용할 수 있습니다. Tensorflow는 모든 모듈을 포함하는 공식 웹 사이트에 훌륭한 문서를 가지고 있습니다. 최신 버전 Tensorflow 2.0은 주요 발전을 거쳤습니다.

Tensorflow API는 완전히 안정적인 릴리스에있는 Python에서 널리 사용됩니다. 다른 언어 API는 개발 중이며 안정적인 릴리스가 아닙니다. C ++, Javascript, Java, Go와 같은 API 하위 호환성없이 사용합니다. 일부 언어는 Haskell, C #, R, Julia, Scala, Ruby, MATLAB과 같은 타사 패키지로도 사용합니다.

응용분야 – Google Teachable Machine (코드 ML 교육 플랫폼 없음), RankBrain (SEO), Deep Speech (음성 번역), Nsynth (음악 제작 용), Uber, Delivery Hero, Ruangguru, Hepsiburada, 9GAG, Channel.io.

2. PyTorch

Facebook의 AI Research Lab, PyTorch 에서 개발주로 Python 인터페이스를 위해 널리 사용되는 또 다른 딥 러닝 프레임 워크입니다. PyTorch는 Torch 라이브러리 위에 구축됩니다. PyTorch는 Tensorflow와 유사하므로 경쟁이 치열합니다. PyTorch는 주로 연구 및 프로덕션 배포 목적으로 개발되었습니다. Linux, Windows, macOS, Android 및 iOS와 호환됩니다. TorchServe를 사용하면 PyTorch는 모델을 배포하는 데 더 빠른 속도와 손쉬운 액세스를 제공합니다 .TorchScript는 그래프 모드 기능 전환에 유연성을 제공합니다. 분산 학습을 통해 PyTorch는 모델에서 최적화를 제공 할 수 있습니다. 컴퓨터 ??