실시간 분석을 위한 도커 컨테이너 기반의 딥러닝 모델 관리 시스템 설계 및 성능 비교

이모세; 강민수; 김인호; 김재헌

doi:10.7840/kics.2021.46.2.390

추천

검색

질문

자료유형: 학술저널

저자정보: 이모세 (브이알에듀) 강민수 (브이알에듀) 김인호 (JC Square) 김재헌 (VReducation)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제46권 제2호

발행연도: 2021.2

수록면: 390 - 400 (11page)

DOI: 10.7840/kics.2021.46.2.390

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

딥러닝 기술은 고차원의 데이터에 대한 결과를 추론하는데 매우 효과적이어서 다양한 비즈니스 영역에 적용할 수 있는 것으로 알려져 있다. 딥러닝 프레임워크의 발전으로 다양한 인공지능 서비스들이 등장하고 있다. 특히 최근 화두가 된 스마트시티는 도시에서 발생하는 다양한 데이터들을 기반으로 한 인공지능 서비스를 제공한다. 그러나 대부분의 인공지능 서비스들은 딥러닝 기술을 이용한 모델의 추론 정확도를 만족시킬 뿐 리소스를 효율적으로 사용하는데 한계점이 있다. 실제 서비스 적용을 위해 웹 또는 플랫폼 아키텍처를 구성할 때에도 데이터 유입부터 전처리, 모델 학습, 서빙에 대한 다양한 인프라 기술을 운영하기 위한 비용이 발생된다. 스마트시티 서비스의 경우 방대한 데이터를 기반으로 운영되기 때문에 운영비용이 크게 발생할 것으로 보인다. 본 연구에서는 딥러닝 모델을 적용하는 안정적인 웹서비스 개발과 배포 및 관리를 용이하게 하기 위해 다양한 아키텍처를 설계하고 아키텍처들 간의 성능을 비교하고자 한다. 일반적인 함수를 실행하는 방법인 Embedded Function 아키텍처와 REST 방식인 Flask API, Fast API, TFServing 아키텍처들 총 4가지에 대해 성능 비교를 진행하였다. 실험 결과 데이터 처리 속도 면에서는 TFServing이 가장 뛰어난 성능을 보여주었지만 탑재 가능한 모델의 종류, 커스터마이징 면을 고려했을 때에는 충분한 속도를 보여주는 Fast API도 안정적인 아키텍처로 개발하기에 충분하다는 결과를 보여주었다.

#딥러닝 #딥러닝 모델 관리 #실시간 분석 #서빙 아키텍처 #도커 컨테이너 #Deep Learning #Deep Learning Model Management #Real-time Analysis #Serving Architecture #Docker Container

참고문헌 (21)

참고문헌 신청

Y. Bengio, A. Courville, and P. Vincent, “Representation learning: A review and new perspectives,” IEEE Trans. Pattern Anal. and Mach. Intell., vol. 35, no. 8, pp. 1798-1828, Mar. 2013.

W. K. Jung, J. U. Kim, T. T. Dao, J. H. Park, J. Y. Park, J. H. Shin, J. H. Jung, G. W. Jo, H. H. Kim, H. W. Nam, and J. J. Lee, “Hardware and software support for deep learning,” KIISE, vol. 34, no. 9, pp. 10-20, Sep. 2016.

H. Y. Choi and Y. H. Min, “Introduction to deep learning and major issues,” KIPS Rev., vol. 22, no. 1, pp. 7-21, Jan. 2015.

G. E. Hinton and R. R. Salakhutdinov, “Reducing the dimensionality of data with neural networks,” Science, vol. 313, no. 5786, pp. 504-507, Jul. 2006.

Y. S. Lee and P. J. Moon, “A comparison and analysis of deep learning framework,” J. KIECS, vol. 12, no. 1, pp. 115-122, Feb. 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이모세

소속기관 브이알에듀

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 2 이용수 802

강민수

소속기관 브이알에듀

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 2 이용수 802

김인호

소속기관 JC Square

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 4 이용수 403

김재헌

소속기관 VReducation

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 2 이용수 802

이 논문과 함께 이용한 논문

OpenFaaS 기반 AI 분석 서비스 시스템 구축

장래영 , 이용 , 박민우 외 1명 한국콘텐츠학회논문지 2020 .07

빅데이터 처리를 위한 컨테이너 기반 데이터 운영 S/W 설계

강정훈 , 윤태일 , 지호준 외 2명 대한전자공학회 학술대회 2020 .08

금융 특화 딥러닝 광학문자인식 기반 문서 처리 플랫폼 구축 및 금융권 내 활용

김동영 , 김두형 , 곽명성 외 8명 지능정보연구 2023 .03

HPC 애플리케이션을 위한 컨테이너 기반 다중 클러스터 환경 연구

김명채 , 안재훈 , 김영환 한국통신학회 학술대회논문집 2022 .06

컨테이너 기반의 모바일 엣지 컴퓨팅을 위한 무중단 서비스 이관 시스템 구현

김태운 한국통신학회논문지 2022 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-567-001486364

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)