2017.05.19

모바일 기기 겨냥한 '다이어트'··· 구글 텐소플로우 라이트 프레임워크의 의미

Blair Hanley Frank | IDG News Service
17일 발표된 구글의 새로운 도구가 의미하는 바는 안드로이드가 더욱 똑똑해질 것이라는 사실이다. 이 회사의 구글 I / O 개발자 컨퍼런스 기조 연설에서는 스마트폰 및 여타 모바일 기기용으로 설계된 머신러닝 프레임워크 버전인 텐서플로 라이트(TensorFlow Lite)가 발표됐다.

구글의 데이비드 버크 안드로이드 엔지니어링 부사장은 다음과 같이 말했다. "텐서플로 라이트는 새로운 뉴럴 네트워크 API를 적용한 실리콘 특화 가속기를 활용할 것이다. 앞으로 뉴럴 네트워크 추론 및 교육에 맞춰 개발된 (DSP 칩)을 볼 수 있을 것으로 기대한다. 차세대 음성 처리, 시각화 검색, 증강현실 등을 능력을 기기 상에서 처리할 수 있도록 도울 것이다."

이번 라이트 프레임워크는 조만간 오픈소스 텐서플로 프로젝트의 일환으로 편입될 예정이다. 또 뉴럴 네트워크 API는 연말 발표되는 안드로이드 차기 메이저 배포판에 반영될 계획이다.

인공지능에 특화된 모바일 칩이 개발되면 스마트폰은 전력효율적으로 머신러닝 연산을 처리할 수 있게 된다. 머신러닝 애플리케이션이 늘어나고 있는 상황에서 이는 모바일 기기의 활용성에 큰 의미를 지닌다. 오늘날 고급 모델 시스템 애플리케이션, 모델 트레이닝 등을 위해서는 강력한 하드웨어가 요구되고 있다.

무어 인사이트 앤 스트래티지의 패트릭 무어헤드 수석 애널리스트는 오늘날 모바일 기기가 머신러닝 연산을 클라우드에서 처리하는 방식을 일부 이용하고 있지만 여기에는 몇 가지 단점이 따른다고 지적했다. 사용자가 데이터를 서비스 기업의 서버로 전송해야 하며, 이로 인해 시간 지연 및 네트워크 연결성 문제가 발생한다는 설명이다.

한편 이미 시장에서는 머신러닝 전용 DSP를 탑재한 모바일 프로세서가 등장해 있다. 퀄컴의 스냅드래곤 835 시스템 온 칩이 그것이다. 이 DSP는 구글 어시스턴트의 'OK, 구글' 명령 인식 등과 같은 기능을 지원하는데 활용되고 있다.

무어헤드는 앞으로 더욱 많은 머신러닝 가속화 칩이 등장할 것으로 예상하며 "무어의 법칙이 둔화된 가운데, 이종 컴퓨터 모델이 확산되고 있다. DSP건, FPGAs건, CPU건 상관 없이, 여러 종류의 프로세서가 활용되고 있다. 마치 남은 거리에 맞춰 적당한 클럽을 선택해야 하는 골프와 비슷한 상황이다"라고 말했다.

구글은 머신러닝 알고리즘 교육을 가속할 수 있도록 설계한 텐서 프로세싱 유닛(TPU) 칩 제품군을 통해 머신러닝 관련 하드웨어 분야에 이미 투자하고 있다. 17일 이 기업은 이 하드웨어의 두 번째 버전을 발표했다.

구글 외에도 스마트폰 중심의 머신러닝 프레임워크를 개발한 기업은 또 있다. 페이스북은 작년 'Caffe2Go'라는 머신러닝 프레임워크를 선보였다. 이 프레임워크를 회사의 라이브 스타일 전송 기능과 같은 애플리케이션을 구동시키는데 이용된다. ciokr@idg.co.kr

2017.05.19

모바일 기기 겨냥한 '다이어트'··· 구글 텐소플로우 라이트 프레임워크의 의미

Blair Hanley Frank | IDG News Service
17일 발표된 구글의 새로운 도구가 의미하는 바는 안드로이드가 더욱 똑똑해질 것이라는 사실이다. 이 회사의 구글 I / O 개발자 컨퍼런스 기조 연설에서는 스마트폰 및 여타 모바일 기기용으로 설계된 머신러닝 프레임워크 버전인 텐서플로 라이트(TensorFlow Lite)가 발표됐다.

구글의 데이비드 버크 안드로이드 엔지니어링 부사장은 다음과 같이 말했다. "텐서플로 라이트는 새로운 뉴럴 네트워크 API를 적용한 실리콘 특화 가속기를 활용할 것이다. 앞으로 뉴럴 네트워크 추론 및 교육에 맞춰 개발된 (DSP 칩)을 볼 수 있을 것으로 기대한다. 차세대 음성 처리, 시각화 검색, 증강현실 등을 능력을 기기 상에서 처리할 수 있도록 도울 것이다."

이번 라이트 프레임워크는 조만간 오픈소스 텐서플로 프로젝트의 일환으로 편입될 예정이다. 또 뉴럴 네트워크 API는 연말 발표되는 안드로이드 차기 메이저 배포판에 반영될 계획이다.

인공지능에 특화된 모바일 칩이 개발되면 스마트폰은 전력효율적으로 머신러닝 연산을 처리할 수 있게 된다. 머신러닝 애플리케이션이 늘어나고 있는 상황에서 이는 모바일 기기의 활용성에 큰 의미를 지닌다. 오늘날 고급 모델 시스템 애플리케이션, 모델 트레이닝 등을 위해서는 강력한 하드웨어가 요구되고 있다.

무어 인사이트 앤 스트래티지의 패트릭 무어헤드 수석 애널리스트는 오늘날 모바일 기기가 머신러닝 연산을 클라우드에서 처리하는 방식을 일부 이용하고 있지만 여기에는 몇 가지 단점이 따른다고 지적했다. 사용자가 데이터를 서비스 기업의 서버로 전송해야 하며, 이로 인해 시간 지연 및 네트워크 연결성 문제가 발생한다는 설명이다.

한편 이미 시장에서는 머신러닝 전용 DSP를 탑재한 모바일 프로세서가 등장해 있다. 퀄컴의 스냅드래곤 835 시스템 온 칩이 그것이다. 이 DSP는 구글 어시스턴트의 'OK, 구글' 명령 인식 등과 같은 기능을 지원하는데 활용되고 있다.

무어헤드는 앞으로 더욱 많은 머신러닝 가속화 칩이 등장할 것으로 예상하며 "무어의 법칙이 둔화된 가운데, 이종 컴퓨터 모델이 확산되고 있다. DSP건, FPGAs건, CPU건 상관 없이, 여러 종류의 프로세서가 활용되고 있다. 마치 남은 거리에 맞춰 적당한 클럽을 선택해야 하는 골프와 비슷한 상황이다"라고 말했다.

구글은 머신러닝 알고리즘 교육을 가속할 수 있도록 설계한 텐서 프로세싱 유닛(TPU) 칩 제품군을 통해 머신러닝 관련 하드웨어 분야에 이미 투자하고 있다. 17일 이 기업은 이 하드웨어의 두 번째 버전을 발표했다.

구글 외에도 스마트폰 중심의 머신러닝 프레임워크를 개발한 기업은 또 있다. 페이스북은 작년 'Caffe2Go'라는 머신러닝 프레임워크를 선보였다. 이 프레임워크를 회사의 라이브 스타일 전송 기능과 같은 애플리케이션을 구동시키는데 이용된다. ciokr@idg.co.kr

X