지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2020
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이종(Heterogeneous) 프로세서 환경에서의 복수의 딥 러닝 어플리-케이션 스케줄링은 기본적으로 NP-난해(NP-Hard) 문제에 속하여 매우 큰 문제 공간을 가진다. 그래서 일반적으로 유전 알고리즘(GA, Genetic Algorithm) 같은 메타 휴리스틱(Meta-heuristic)이 사용된다. 그러나 메타 휴리스틱은 수행 시간이 매우 길어 런타임에 사용하기 어려운 단점을 지닌다. 따라서 본 논문은 이러한 메타 휴리스틱의 단점을 보완하면서 성능 또한 크게 떨어지지 않는 새로운 기법의 스케줄링 휴리스틱을 제안한다. 한편, 스케줄링 문제 해결에 일반적으로 활용되는 리스트 스케줄링(List Scheduling)은 복수 응용 스케줄링의 핵심인 스케줄 가능성 (Schedulability)을 고려하지 못 한다. 이를 극복하기 위해 본 논문은 ‘합성과 반복 개선’ 방식을 개발하여 제안하는 휴리스틱을 구현하였다. 제안하는 휴리스틱의 성능을 입증하기 위해 CPU, GPU, NPU가 탑재된 실제 이종 프로세서 환경에서 여러 딥 러닝 네트워크들에 대한 실험을 진행하였다. 유전 알고리즘 스케줄러와 간단한 스케줄링 휴리스틱과의 성능 비교 실험을 통해, 제안하는 휴리스틱이 상대적으로 빠른 시간 내에 복수의 딥 러닝 어플리케이션에 대한 효과적인 스케줄링 결과를 도출하는 것을 검증하였다.
목차
1. 서론 12. 관련 연구 43. 스케줄링 모델 73.1 스케줄링의 대상 73.2 PE (Processing Element) 83.3 프로파일링 93.4 스케줄 가능성 검사 103.4.1 최악 응답 시간 133.5 PEFT 알고리즘 134. 제안하는 휴리스틱 명세 164.1 1단계: 각 응용에 대한 PEFT 알고리즘 적용 174.2 2단계: 단순 합성 (Simple Synthesis) 184.3 3단계: 반복 개선 (Iterative Improvement) 195. 실험 235.1 이종 프로세서 환경에서의 복수(2개) 응용 스케줄링 255.2 이종 프로세서 환경에서의 복수(3개) 응용 스케줄링 276. 결론 32참고 문헌 34
최근 본 자료
댓글(0)
0