AI 하드웨어·소프트웨어 스택

AI 계산에서 사용되는 '연산 융합(오퍼레이터 퓨전)'의 주된 목적은 무엇인가?

  1. A여러 연산을 하나의 커널로 묶어, 중간 결과를 메모리에 쓰고 다시 읽는 수고를 없앤다
  2. B두 AI 모델을 하나로 합쳐 답의 정확도를 높인다
  3. C연산기를 물리적으로 녹여서 연결한다
정답과 해설 보기

정답: A. 여러 연산을 하나의 커널로 묶어, 중간 결과를 메모리에 쓰고 다시 읽는 수고를 없앤다

행렬 곱 뒤에 바이어스 덧셈, 활성화 함수, 정규화 등의 요소별 연산이 이어지는 경우가 많습니다. 이를 별개의 커널로 수행하면 매번 중간 결과를 메모리에 쓰고 다음 커널에서 다시 읽으므로, 계산보다 메모리 읽기/쓰기에 시간이 걸립니다. 하나의 커널로 묶으면 중간 결과를 레지스터나 칩 위의 메모리에 둔 채로 이어서 계산할 수 있습니다.

  • A. 정답입니다. 메모리 율속인 연산에서 특히 효과가 있습니다.
  • B. 모델을 합치는 이야기가 아닙니다.
  • C. 물리적인 가공이 아닙니다.
이 분야 연습하기 분야로 돌아가기

AI 하드웨어·소프트웨어 스택의 다른 문제

  1. 행렬 곱의 결과에 바이어스를 더하고 ReLU를 통과시키는 처리를 3개의 별개 커널에서 하나로 융합했다. 주로 줄어드는 것은 무엇인가?
  2. XLA, TVM, PyTorch의 컴파일 기능과 같은 AI 컴파일러가 수행하는 주된 처리로 올바른 것은 무엇인가?
  3. AI 프레임워크나 컴파일러에서 사용되는 '계산 그래프'의 설명으로 올바른 것은 무엇인가?
  4. ONNX의 설명으로 올바른 것은 무엇인가?
  5. TensorRT나 ONNX Runtime 같은 추론 런타임이 학습용 프레임워크로 그대로 추론하는 것보다 빠를 수 있는 주된 이유는 무엇인가?