Abstract
As the fourth industrial revolution begins in earnest, related technologies are becoming a hot topic. Hardware development is accelerating to make the most of technologies such as high-speed wireless communication, and related companies are growing rapidly. Artificial intelligence often uses desktops in general for related research, but it is mainly used for the learning process of deep learning and often transplants the generated models into devices to be used by including them in programs, etc. However, it is difficult to produce results for devices that do not have sufficient power or performance due to excessive learning or lack of power due to the use of models built to the desktop's performance. In this paper, we analyze efficiency using boards with several Neural Process Units on sale before developing the performance of deep learning to match embedded boards, and deep learning accelerators that can increase deep learning performance with USB, and present a simple development direction possible using embedded boards.
4차산업혁명이 본격화됨에 따라 관련 기술들이 화두가 되고 있다. 고속 무선통신과 같은 기술을 최대한으로 활용하기 위한 하드웨어 개발이 가속화되고 있으며, 관련 기업들이 급격히 성장하고 있다. 인공지능의 경우 관련 연구를 위해서 일반적으로 데스크톱을 사용하는 경우가 많지만, 주로 딥러닝의 학습 과정을 위해 사용되고 있으며 생성된 모델을 프로그램 등에 포함하여 사용할 기기에 이식하는 경우가 많다. 하지만, 학습량이 과도하거나 데스크톱의 성능만큼 제작된 모델을 사용하게 되어 전원공급이 따로 이루어지지 않는 기기의 경우 전력이 부족하거나 성능이 충분하지 못하기 때문에 제 결과를 내기 어렵다. 본 논문에서는 딥러닝의 성능을 임베디드 보드에 맞추어 개발하기 전에 판매되고 있는 몇 가지 Neural Process Unit을 탑재한 보드와 USB로 딥러닝 수행 성능을 높일 수 있는 딥러닝 액셀러레이터를 사용하여 효율성을 비교하여 임베디드 보드로 가능한 개발 방향을 제시한다.
