(ÁÖ)µö¿¢½º

DNN ¸ðµ¨ °³¹ß ¿£Áö´Ï¾î ä¿ë

¸ðÁýºÎ¹® ¹× ÀÚ°Ý¿ä°Ç

´ã´ç¾÷¹« ÀÚ°Ý¿ä°Ç Àοø

[DNN ¸ðµ¨ °³¹ß ¿£Áö´Ï¾î]

    ±Ù¹«ºÎ¼­: (ÁÖ)µö¿¢½º ±â¾÷ºÎ¼³¿¬±¸¼Ò

    (ÆDZ³Å×Å©³ë¹ë¸®)
    Á÷±Þ/Á÷Ã¥: ¿¬±¸¿ø

[Á÷¹«¼Ò°³]
µö¿¢½ºÀÇ SW ±×·ìÀº µö¿¢½º°¡ ¼¼°è ÃÖ°í ¼öÁØÀÇ ¿øõ ±â¼ú È®º¸¸¦ ÁöÇâÇÏ¸ç °³¹ßÇÑ ÀΰøÁö´É ÇÁ·Î¼¼¼­ ¿øõ ±â¼úÀ» ´Ù¾çÇÑ ÀΰøÁö´É ±â¹Ý ÀÀ¿ë Á¦Ç°À» °³¹ßÇÏ´Â °í°´µéÀÌ Æí¸®ÇÏ°Ô »ç¿ëÇÏ´Â °ÍÀ» °¡´ÉÇÏ°Ô ÇØÁÖ´Â °¢Á¾ SW ±â¼úÀ» °³¹ßÇÏ´Â ¸Å¿ì Áß¿äÇÑ ¿ªÇÒÀ» ´ã´çÇÏ°í ÀÖ½À´Ï´Ù. µö¿¢½º SW ±×·ìÀº SDK (DXNN)Àº Æß¿þ¾î ¹× µå¶óÀ̹ö¿¡¼­ ÄÄÆÄÀÏ·¯(DX-COM), ·±Å¸ÀÓ ¼ÒÇÁÆ®¿þ¾î(DX-RT), DNN ¸ðµ¨ ÇнÀ ÇÁ·¹ÀÓ¿öÅ©¸¦ À§ÇÑ ÄÚµå ¼³°è¿¡ À̸£±â±îÁö µö¿¢½º NPU¸¦ °í°´ÀÇ Á¦Ç°¿¡ ±¸µ¿Çϱâ À§ÇÑ Full-StackÀ» °³¹ßÇÕ´Ï´Ùµö¿¢½ºÀÇ DNN ModelÆÀÀº °í°´ÀÌ °³¹ßÇÑ DNN ¸ðµ¨À» µö¿¢½º NPU¿¡ Àû¿ëµÉ ¼ö ÀÖ´Â ÇüÅ·Πº¯ÇüÇÏ´Â ±â¼ú, µö¿¢½º AI ±â¼ú °³¹ß ±×·ìÀÌ Çؼ® ¹× °³¹ßÇÒ ¼ö ÀÖ´Â ¼öÁØÀÇ ÇüÅ·ΠDNN ¸ðµ¨ÀÇ º¯ÇüÇÏ´Â ±â¼ú, µö¿¢½º NPU¿¡ Àû¿ë ½Ã ½Ã½ºÅÛ ´ÜÀ§¿¡¼­ ÃÖÀûÀÇ ±¸µ¿ °á°ú¸¦ ¾ò±â À§ÇÑ ÃÖÀûÈ­ ±â¼ú µîÀ» °³¹ßÇÏ´Â Áß¿äÇÑ ¿ªÇÒÀ» ´ã´çÇÏ°í ÀÖ½À´Ï´Ù. ¿ì¸®°¡ ã´Â AI ¸ðµ¨ °³¹ßÀÚ´Â µö¿¢½ºÀÇ AI ÇÁ·Î¼¼¼­¿¡ ´Ù¾çÇÑ AI ÀÀ¿ëÀÌ °¡´ÉÇϵµ·Ï µö¿¢½º NPUÀÇ DNN ¸ðµ¨ Æ÷Æ®Æú¸®¿À¸¦ È®ÀåÇϱâ À§ÇØ ½Å±Ô DNN ¸ðµ¨À» ºÐ¼®ÇÏ°í ÇØ´ç ¸ðµ¨ÀÇ °¡Ä¡¸¦ ÆÇ´ÜÇϴµ¥ ´ÙÁßÀÇ ³»ºÎ °³¹ßÀÚ¿Í ¼ÒÅëÇϸ鼭, ¼±ÅÃµÈ DNN ¸ðµ¨¿¡ ´ëÇؼ­ AI ÇÁ·Î¼¼¼­°¡ Áö¿øÇØ¾ß µÇ´Â ¿ä¼Ò¸¦ ã¾Æ³»°í, À̸¦ ÄÄÆÄÀÏ·¯ ¹× ·±Å¸ÀÓ ¼ÒÇÁÆ®¿þ¾î µî¿¡ ±¸ÇöµÉ ¼ö ÀÖµµ·Ï Áö¿øÇÏ´Â Á÷¹«¸¦ ¼öÇàÇÏ´Â ¿ªÇÒÀ» ÇÕ´Ï´Ù. ÀÌ·¯ÇÑ Á÷¹«¿¡ °¡Ä¡¸¦ ´À³¢°í ¿­Á¤ÀÌ ÀÖ´Â ºÐµéÀº µö¿¢½º¶ó´Â °¡Ä¡ ÀÖ´Â µµÀü¿¡ ÃÊ´ëÇÏ°í ½Í½À´Ï´Ù.

 

[´ã´ç¾÷¹«]

¤ý °¢ DNN ¸ðµ¨ÀÇ ¿¬»ê ´ÜÀ§ ºÐ¼®/µö¿¢½º NPU¿¡ Àû¿ë½Ã À̽´ ¹× ÃÖÀûÈ­ Æ÷ÀÎÆ® »ý¼º

¤ý ÄÄÇ»ÅÍ ºñÀü ¼ÒÇÁÆ®¿þ¾î ½ºÅÃÀÇ ±¸¼º ¿ä¼Ò¿¡ ´ëÇÑ ¾Ë°í¸®Áò Æ®·¹À̵å¿ÀÇÁ ºÐ¼®
¤ý Àü·« °í°´ ¹× Çù·Â»ç°¡ °³¹ßÇÑ Ä¿½ºÅÒ µö·¯´× ¸ðµ¨¿¡ ´ëÇÑ ºÐ¼® ¹× Àû¿ë ÀÛ¾÷

¤ý µö¿¢½º NPU¿¡ ½Å±Ô ¸ðµ¨ Àû¿ëÇÏ¿© ±¸µ¿ Ư¼º ºÐ¼®À» ÅëÇØ ÇØ´ç ¸ðµ¨ÀÇ µö¿¢½º DNN ¸ðµ¨ Æ÷Æ®Æú¸®¿À È®Àå

¤ý µö¿¢½ºÀÇ ¼ÒÇÁÆ®¿þ¾î Äڵ忡¼­ ÇÙ½É ¾Ë°í¸®ÁòÀÇ ¼º´É ¹× ¸Þ¸ð¸® »ç¿ë ÃÖÀûÈ­ ÀÛ¾÷¿¡ Çù·Â
 ¤ý DNN ¸ðµ¨ÀÇ µö¿¢½º NPU ±â¹Ý ¿¬»ê ó¸® °úÁ¤¿¡¼­ Àüó¸® ¹× ÈÄó¸® ÀÛ¾÷ÀÇ ºÐ·ù¿Í Àû¿ë½Ã NPU ¼º´É ¹× ¸Þ¸ð¸® »ç¿ë ÃÖÀûÈ­ ±â¼ú¿¡ ´ëÇÑ ±â¿© ¹× Çù·Â
¤ý °¢Á¾ ¸ñÀûÀÇ ½ÇÇè ¼öÇà°ú MassiveÇÑ ½ÇÇè °á°ú ÀڷḦ ¿ä¾à ¹× ¼ÒÅë ÀÚ·á ÀÛ¼º

¤ý µö·¯´× ¸ðµ¨ °ü·Ã ÃֽŠ¹®Çå F/U À» ÅëÇÑ ±â¼ú °³¼±

¤ý µö¿¢½º NPU ±â¼úÀÌ ´Ù¾çÇÏ°Ô AI Á¦Ç°¿¡ ÀÀ¿ëµÉ ¼ö ÀÖµµ·ÏDNN ¸ðµ¨ Æ÷Æ®Æú¸®¿ÀÀÇ Áö¼ÓÀûÀÎ È®Àå È°µ¿

¤ý Á¦Ç°/¿µ¾÷°³¹ßÆÀ°ú Çù·ÂÇÏ¿© °í°´ÀÇ ´ÏÁ ÀÌÇØÇÏ°í ÃæÁ·ÇÏ´Â DNN ¸ðµ¨ Æ÷Æ®Æú¸®¿À »ý¼º/°ü¸®/°³¼±

 

[Áö¿øÀÚ°Ý]

¤ý Á¤È®ÇÑ ÀÇ»ç ¼ÒÅëÀ» ÅëÇÑ ±Ù°Å ±â¹Ý ¾÷¹« ÃßÁøÀÌ °¡´ÉÇÑ ÇÕ¸®ÀûÀÎ Á÷¹« ´É·Â

¤ý ´Ù¾çÇÑ µö·¯´× ¸ðµ¨¿¡ ´ëÇÑ Áö½Ä, °æÇè, ¹× ½ºÅ³

¤ý ´Ù¾çÇÑ µö·¯´× ÀÀ¿ë ¸ðµ¨¿¡ ´ëÇÑ ºÐ¼® ±â¼ú

¤ý ´Ù¾çÇÑ Task¿¡ ¿©·¯ µ¥ÀÌÅͼÂÀ» È°¿ëÇÏ¿© µö·¯´×À» Àû¿ëÇÑ °æÇè

¤ý ´Ù¾çÇÑ µö·¯´× ¸ðµ¨ ÇнÀ ¹× °³¹ß¿¡ ´ëÇÑ Áö½Ä, °æÇè, ¹× ½ºÅ³

¤ý ´Ù¾çÇÑ AI ÇÁ·¹ÀÓ¿öÅ©(Tensorflow, Caffe, Torch, ONNX) °³¹ß ½ºÅ³À» º¸À¯ÇϽŠºÐ

¤ý DNN¸ðµ¨ ÃÖÀûÈ­ Áö½Ä ¹× ±â¼ú (Quantization, Pruning, Knowledge Distillation µî) Áß 1 °³ ÀÌ»óÀÇ ½ºÅ³À» º¸À¯ÇϽŠºÐ

¤ý Æí¸®ÇÑ ¾²±â ÃÖÀûÈ­+±ú²ýÇÑ python ¹× pytorch ÄÚµå

 

[¿ì´ë»çÇ×]

¤ý Visual Transformer µî ÃֽŠµö·¯´× ±â¹ý°ú ÀÀ¿ëºÐ¾ß¿¡ ´ëÇÑ Áö½ÄÀ» º¸À¯ÇÑ ºÐ

¤ý C++, Python ¹×/¶Ç´Â CUDA¿¡ ´ëÇÑ Áö½Ä

¤ý CI/CD ¹× ±âŸ ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î¸µ °üÇàÀ» µû¸£´Â ¾ÖÀÚÀÏ/½ºÅ©·³ ȯ°æ¿¡ ´ëÇÑ °æÇè

¤ý ¿¡Áö ¹èÆ÷ ÆÄÀÌÇÁ¶óÀÎ °æÇ迹: gstreamer ¶Ç´Â opencv

¤ý °Ô½ÃµÈ ÄÚµå Æ÷Æ®Æú¸®¿À °ü¸®

0 ¸í

±Ù¹«Á¶°Ç

  • °í¿ëÇüÅÂ: Á¤±ÔÁ÷
  • ±Ù¹«ºÎ¼­: (ÁÖ)µö¿¢½º ±â¾÷ºÎ¼³¿¬±¸¼Ò (ÆDZ³Å×Å©³ë¹ë¸®)
  • ±Þ¿©Á¶°Ç: ¿¬ºÀ ÁÖ40½Ã°£, 5000~15000¸¸¿ø

ÀüÇü´Ü°è ¹× Á¦Ãâ¼­·ù

  • ÀüÇü´Ü°è: ¼­·ùÀüÇü > ¸éÁ¢ÁøÇà > ÃÖÁ¾½É»ç > ÃÖÁ¾ÇÕ°Ý
  • Ãß°¡ Á¦Ãâ¼­·ù
    À̷¼­¿¡ ¿¬¶ôó, Èñ¸Á¿¬ºÀ ±âÀç
    Á¦ÃâÇÑ ¼­·ù´Â ÀÏü ¹ÝȯÇÏÁö ¾ÊÀ½
    À̷¼­, ÀÚ±â¼Ò°³¼­
    ¼­·ùÀüÇü, ¸éÁ¢ÀüÇü
    Æ÷Æ®Æú¸®¿À

Á¢¼ö¹æ¹ý

»ó½Ãä¿ë

  • Á¢¼ö¹æ¹ý: ÀÎÅ©·çÆ® ä¿ë½Ã½ºÅÛ
  • Á¢¼ö¾ç½Ä: ÀÎÅ©·çÆ® À̷¼­

±âŸ À¯ÀÇ»çÇ×

  • ÀÔ»çÁö¿ø¼­ ¹× Á¦Ãâ¼­·ù¿¡ ÇãÀ§»ç½ÇÀÌ ÀÖÀ» °æ¿ì ä¿ëÀÌ Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.