Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
딥러닝 프레임워크를 위한 가장 쉽고 빠른 방법,
PowerAI 데모 시연
리더스시스템즈
김대성 팀장
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
개 요
˹
˹Faster R-CNN
1. CNN 란?
2. R-CNN 란?
3. Faster R-CNN 란?
˹
˹
PowerAI 쥬피터
1. PowerAI 시연
2. TensorDebugger 시연
3. Faster-RCNN 시연
˹
˹
성능 측정 데이터 비교
˹
˹목 차
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 딥러닝구현분야
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 딥러닝구현분야
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 딥러닝구현분야
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 DNN(Deep Neural Network) 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
• 대표적인 예 :과적합 - 과적합이란, 현재 갖고 있는 Training data에맞춰서 트레이닝 되거나, 일정 Training data의 패턴이 있다면 그거마저 학습하여 Training Data에 맞춰서 학습 되는 것
• 해결법 : Dropout(아래그림 참고)
Forces the network to have a redundant representation.
has an ear
has a tail
is furry
has claws
mischievous look
cat score
X
X
X
DNN(Deep Neural Network) 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
32
32
3
32x32x3 image5x5x3 filter
convolve (slide) over all spatial locations
activation map
1
28
28
CNN(Convolutional Neural Network) 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
7x7 input (spatially)assume 3x3 filter
7
7
CNN(Convolutional Neural Network) 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
7x7 input (spatially)assume 3x3 filter
7
7
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
7x7 input (spatially)assume 3x3 filter
7
7
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
7x7 input (spatially)assume 3x3 filter
7
7
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
7x7 input (spatially)assume 3x3 filter
=> 5x5 output
7
7
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
• MAX POOLING
1 1 2 4
5 6 7 8
3 2 1 0
1 2 3 4
Single depth slice
x
y
max pool with 2x2 filters and stride 2 6 8
3 4
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 CNN(Convolutional Neural Network) 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 R-CNN 란?
Region Proposal Classification
Selective Search, Edge Boxes 등
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 R-CNN 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
Negative samples for dog SVM
Positive samples for dog SVM
Training image regions
Cached region features
R-CNN 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
Training image regions
Cached region features
Regression targets(dx, dy, dw, dh)
Normalized coordinates
(0.25,0,0,0)Proposal too
far to left
(0,0,-0.125,0)Proposal too
wide
(0,0,0,0)Proposal is
good
R-CNN 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
단점
• Test-time 느림 / 복잡한 multistage training pipeline
• 약 2000개 region proposal을 뽑아서 모두 CNN
computation을 하므로 속도 저하된다.
• 기존의 Region Proposal Method는 CPU연산이다.
• 그것을 개선한 Fast R-CNN 이 있지만 결과적으로 CPU를
이용하기에 느려지는 단점을 해결하지 못했다.
• 이 단점들이 해결 된 것이 Faster R-CNN
R-CNN 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
외부 Region Proposal Method를 사용하지 않고,
Region Proposal Network(RPN)을 사용 + Fast R-CNN
R-CNN 단점 - 기존의 Region Proposal Method는 CPU연산을 GPU 연산하는
RPN으로 제안
Faster - R - CNN 란?
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
Power AI란?
• IBM에서 제공하는 딥 러닝 소프트웨어 ToolKit
• IBM 서버에서만 구동 ( 현재는 S822LC에서만 사용 가능 )
• NVLink 지원
장점
• 빠르고 간편한 배포
• 최고의 처리량을 위한 성능 최적화 프레임 워크 및 라이브러리 조정
• 최신 하드웨어 아키텍처 ( NVLink )
PowerAI 시연
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 PowerAI 시연
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼
1.TensorDebugger 시연
TensorDebugger 시연
IBM 과 NVIDIA 가제안하는
딥러닝플랫폼 Faster-RCNN 시연
• 측정표
횟수 IBM S822LC Server PCI-P100
1차시기 0.9049 1.2008
2차시기 0.9836 1.3854
3차시기 0.9553 1.1344
4차시기 0.9315 1.0581
5차시기 0.9567 1.1819
6차시기 0.8978 1.1018
7차시기 0.9436 1.1063
8차시기 0.9696 1.0303
9차시기 0.9323 1.1598
10차시기 0.9216 1.1649
평균 0.9397 1.1524
Thank You감사합니다