KR20230151336A

KR20230151336A - 통합 인공지능 학습 프레임워크 시스템 및 그 방법

Info

Publication number: KR20230151336A
Application number: KR1020220050914A
Authority: KR
Inventors: 조한상
Original assignee: 주식회사 코난테크놀로지
Priority date: 2022-04-25
Filing date: 2022-04-25
Publication date: 2023-11-01

Abstract

통합 인공지능 학습 프레임워크 시스템이 개시된다. 일 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템은, 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부를 생성하는 제어기와 복수의 인공지능 학습부를 포함하며, 각 인공지능 학습부는, 제어기에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환하는 해석기와, 해석기에서 변환된 명령어를 실행하는 실행기와, 명령어에 따라 작업을 수행하는 복수의 작업기를 포함한다.

Description

통합 인공지능 학습 프레임워크 시스템 및 그 방법 {Integrated artificial intelligence learning framework system and method therefor}

본 발명은 데이터 처리기술에 관한 것으로, 보다 세부적으로는 인공지능 학습 기술에 관한 것이다.

최근 인공지능(Artificial Intelligence)은 딥 러닝(Deep Learning)의 영향으로 빠르게 발달되어 왔다. 딥 러닝은 여러 개의 층을 가진 인공 신경망을 사용하여 머신 러닝(Machine learning: 기계 학습)을 수행하는 방법이다. 따라서, 딥 러닝은 머신 러닝의 한 분야이다. 기존 머신 러닝에서는 학습하려는 데이터의 특징을 하나하나 사람이 분석하고 판단해야 했지만, 딥 러닝에서는 컴퓨터가 대량의 데이터에서 자동으로 특징을 추출하고 학습한다.

딥 러닝을 위한 다양한 인공 신경망 알고리즘이 개발되었고, 문제를 해결하기 위해서 여러 개의 알고리즘을 혼합하여 사용하는 경우도 많아졌다. 하지만 처음부터 알고리즘을 새롭게 구현하는 것은 비효율적이다. 따라서, 인공지능 학습 프레임워크(artificial intelligence learning framework)는 미리 검증된 인공 신경망 알고리즘, 필요한 기능 라이브러리, 사전학습 된 인공지능 모델을 제공함으로써, 사용자가 간단하게 인공지능 학습을 수행할 수 있도록 도와준다.

인공지능 학습 프레임워크는 대표적으로 엠엑스넷(MXNet), 파이토치(Pytorch), 텐서플로(tensorflow) 등이 있다. 다양한 프레임워크가 인공지능 학습에 활용되고 있으나, 각 프레임워크마다 사용방법이 매우 상이하다. 또한 동일한 프레임워크라 할지라도 프레임워크의 버전 별로 사용방법이 매우 다를 수 있어, 다양한 설치방법, 사용법으로 인해 어려움이 많다. 또한 각각 다른 컴퓨터 환경에서 동작해야 하므로 환경 설정에 많은 시간이 필요하다.

일 실시 예에 따라, 상호 번역 가능한 통합 인공지능 학습 프레임워크 시스템을 제안한다.

일 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템은, 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부를 생성하는 제어기와 복수의 인공지능 학습부를 포함하며, 각 인공지능 학습부는, 제어기에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환하는 해석기와, 해석기에서 변환된 명령어를 실행하는 실행기와, 명령어에 따라 작업을 수행하는 복수의 작업기를 포함한다.

제어기는, 복수의 인공지능 학습 프레임워크를 단일 기기에서 제어 가능하도록 시스템 및 작업을 관리하며, 어떤 인공지능 학습 프레임워크의 명령어를 입력으로 사용할지, 해석기, 실행기 및 작업기를 어떤 인공지능 학습 프레임워크를 대상으로 동작할지를 결정할 수 있다.

제어기는, 사용할 인공지능 학습 프레임워크의 종류, 동일한 인공지능 학습 프레임워크 내 버전 및 컴퓨터 환경 중 적어도 하나를 고려하여 인공지능 학습 프레임워크를 결정할 수 있다.

제어기는, 사용자의 선택입력에 따라 인공지능 학습 프레임워크를 결정할 수 있다.

다른 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템을 이용한 인공지능 학습 프레임워크 통합 방법은, 통합 인공지능 학습 프레임워크 시스템은 제어기; 및 복수의 인공지능 학습부를 포함하고, 각 인공지능 학습부는 해석기, 실행기 및 복수의 작업기를 포함하며, 제어기가 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부를 생성하는 단계와, 해석기가 제어기에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환하는 단계와, 실행기가 상기 해석기에서 변환된 명령어를 실행하는 단계와, 복수의 작업기가 명령어에 따라 작업을 수행하는 단계를 포함한다.

일 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템 및 그 방법에 따르면, 개발자가 다양한 인공지능 학습 프레임워크를 모두 알 필요 없이 하나의 인공지능 학습 프레임워크에만 익숙해지면, 다양한 다른 인공지능 학습 프레임워크에서 동작하는 공개 프로그램들을 쉽게 해석할 수 있어서, 학습 시간을 절감할 수 있다.

또한, 컴퓨터 환경에 맞는 최적의 실행기를 선택할 수 있으므로, 대규모 서버에 쉽게 적용 가능하다. 현재의 컴퓨터 마다 2~4개의 GPU를 설치해서 분산으로 인공지능을 학습하는 환경에서 동시에 인공지능 학습이 가능하므로 전반적으로 서버를 더욱 효율적으로 활용할 수 있다. 따라서 서버 사용 비용을 획기적으로 절감할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템의 구성을 도시한 도면,
도 2는 본 발명의 일 실시 예에 따른 인공지능 학습 프레임워크 통합 방법의 흐름을 도시한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이며, 후술되는 용어들은 본 발명의 실시 예에서의 기능을 반영하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

이하, 첨부 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다. 그러나 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다. 본 발명의 실시 예는 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공된다.

도 1은 본 발명의 일 실시 예에 따른 통합 인공지능 학습 프레임워크 시스템의 구성을 도시한 도면이다.

도 1을 참조하면, 통합 인공지능 학습 프레임워크 시스템(1)은 제어기(10) 및 인공지능 학습부(11)를 포함한다. 각 인공지능 학습부(11)는 해석기(12), 실행기(14) 및 작업기(16)를 포함한다. 통합 인공지능 학습 프레임워크 시스템(1)은 컴퓨터에 구비될 수 있다.

제어기(10)는 시스템 전반에 대해 구성을 제어한다. 제어기(10)는 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고, 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부(11)를 생성한다.

도 1에서는 2개의 인공지능 학습부(11a, 11b)를 예로 도시하고 있으나, 이는 본 발명의 이해를 돕기 위한 일 실시 예일 뿐, 그 숫자는 이에 한정되지 않는다. 인공지능 학습 프레임워크는 예를 들어, 엠엑스넷(MXNet), 파이토치(Pytorch), 텐서플로(tensorflow) 등이 있다. 각 인공지능 학습부(11)는 해석기(12), 실행기(14) 및 복수의 작업기(16)를 포함한다.

제어기(10)는 다양한 인공지능 학습 프레임워크를 단일 기기에서 제어 가능하도록 하는 시스템 및 작업을 관리하며, 어떤 인공지능 학습 프레임워크의 명령어를 입력으로 사용할지, 해석기, 실행기, 작업기를 어떤 인공지능 학습 프레임워크를 대상으로 동작할지를 결정한다.

제어기(10)는 사용할 인공지능 학습 프레임워크의 종류, 동일한 인공지능 학습 프레임워크 내 버전 및 컴퓨터 환경 중 적어도 하나를 고려하여 인공지능 학습 프레임워크를 결정할 수 있다. 다른 예로, 제어기(10)는 사용자의 선택입력에 따라 인공지능 학습 프레임워크를 결정할 수 있다. 제어기(10)는 결정된 인공지능 학습 프레임워크에 맞는 해석기(12) 및 실행기(14)를 생성한다.

해석기(12)는 제어기(10)에서 수신한 명령어(하나의 인공지능 학습 프레임워크에서 실행되는 명령어)를 해석하고, 해석된 명령어를 다른 인공지능 학습 프레임워크에서 동작 가능하도록 변환한다. 이를 위해, 해석기(12)는 제어기(10)에서 수신한 명령어를 해석한 후 해당 인공지능 학습 프레임워크에서 동작할 수 있도록 실행기(14)에 맞는 명령어로 변환한다.

실행기(14)는 해석기(12)의 명령어들을 특정 인공지능 학습 프레임워크에서 실행한다. 실행기(14)는 이미 제어기(10)에 의해 특정 인공지능 학습 프레임워크가 동작 가능한 환경으로 생성되어 있으며, 해석기(12)에서 변환된 명령어를 실행할 수 있는 상태이다. 실행기(14)는 해당 명령어를 실행하며, 필요 시 복수의 작업기(16)에서 병렬로 명령을 수행한다.

복수의 작업기(16)는 해당 인공지능 학습 프레임워크에서 머신 러닝 작업을 수행한다.

도 2는 본 발명의 일 실시 예에 따른 인공지능 학습 프레임워크 통합 방법의 흐름을 도시한 도면이다.

도 1 및 도 2를 참조하면, 통합 인공지능 학습 프레임워크 시스템(1)은 제어기(10)가 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정한 후, 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부(11)을 생성한다(210).

이어서, 생성된 인공지능 학습부(11)의 해석기(12)가 제어기(10)에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환한다(220).

이어서, 생성된 인공지능 학습부(11)의 실행기(14)가 해석기(12)에서 변환된 명령어를 실행한다(230).

이어서, 생성된 인공지능 학습부(11)의 복수의 작업기(16)가 명령어에 따라 작업을 수행한다(240).

도 1 및 도 2에 전술한 바와 같이, 통합 인공지능 학습 프레임워크 시스템 및 그 방법에 따르면, 개발자가 다양한 인공지능 학습 프레임워크를 모두 알 필요 없이 하나의 인공지능 학습 프레임워크에만 익숙해지면, 다양한 다른 인공지능 학습 프레임워크에서 동작하는 공개 프로그램들을 쉽게 해석할 수 있어서, 학습 시간을 절감할 수 있다.

이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims

소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부를 생성하는 제어기; 및
복수의 인공지능 학습부; 를 포함하며,
각 인공지능 학습부는
상기 제어기에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환하는 해석기;
상기 해석기에서 변환된 명령어를 실행하는 실행기; 및
명령어에 따라 작업을 수행하는 복수의 작업기;
를 포함하는 것을 특징으로 하는 통합 인공지능 학습 프레임워크 시스템.
제 1 항에 있어서, 상기 제어기는
복수의 인공지능 학습 프레임워크를 단일 기기에서 제어 가능하도록 시스템 및 작업을 관리하며, 어떤 인공지능 학습 프레임워크의 명령어를 입력으로 사용할지, 해석기, 실행기 및 작업기를 어떤 인공지능 학습 프레임워크를 대상으로 동작할지를 결정하는 것을 특징으로 하는 통합 인공지능 학습 프레임워크 시스템.
제 1 항에 있어서, 상기 제어기는
사용할 인공지능 학습 프레임워크의 종류, 동일한 인공지능 학습 프레임워크 내 버전 및 컴퓨터 환경 중 적어도 하나를 고려하여 인공지능 학습 프레임워크를 결정하는 것을 특징으로 하는 통합 인공지능 학습 프레임워크 시스템.
제 1 항에 있어서, 상기 제어기는
사용자의 선택입력에 따라 인공지능 학습 프레임워크를 결정하는 것을 특징으로 하는 통합 인공지능 학습 프레임워크 시스템.
통합 인공지능 학습 프레임워크 시스템을 이용한 인공지능 학습 프레임워크 통합 방법에 있어서,
상기 통합 인공지능 학습 프레임워크 시스템은 제어기; 및 복수의 인공지능 학습부; 를 포함하고,
각 인공지능 학습부는 해석기; 실행기; 및 복수의 작업기; 를 포함하며,
상기 제어기가 소정의 인공지능 학습 프레임워크에서 작성된 명령어를 동작할 인공지능 학습 프레임워크를 결정하고 결정된 인공지능 학습 프레임워크에서 동작할 인공지능 학습부를 생성하는 단계;
상기 해석기가 상기 제어기에서 수신한 명령어를 해석하고, 해석된 명령어를 해당 프레임워크에서 동작 가능하도록 변환하는 단계;
상기 실행기가 상기 해석기에서 변환된 명령어를 실행하는 단계; 및
상기 복수의 작업기가 명령어에 따라 작업을 수행하는 단계;
를 포함하는 것을 특징으로 하는 인공지능 학습 프레임워크 통합 방법.