Computing

가상화 Virtualization 개념 (하드웨어) 가상화(virtualization)란 클라우드 컴퓨팅을 가능하게 하는 가장 기본이 되는 기술로, 컴퓨터 자원(resource, CPU, 메모리, 하드디스크, 네트워크 등)들의 가상화(추상화)된 버전을 제공하는 기술[1]이다. 가상화는 하드웨어의 효율적인 사용과 애플리케이션의 쉬운 배포를 목적으로 사용된다. 아마 virtual machine(VM)에 대해서는 많이 들어 보았을 것인데, 가상머신(VM)은 hardware virtualization을 통해 완전히 독립된(isolated) 컴퓨팅 환경을 사용자에게 제공하는 것이 목적이다. 하나의 실제 컴퓨터에서 여러 개의 가상머신들이 실행될 수 있으며, 각 가상머신은 독립된 컴퓨터처럼 자신의 OS, libs, ..

이전 포스터에서 불순물 반도체(P형, N형)의 특성 및 그것들을 활용한 P-N 접합 다이오드(P-N junction diode), 커패시터(capacitor)에 대하여 정리하였다. 이번 포스터에서는 P형, N형 반도체 및 P-N 접합 특성을 활용한 또 다른 소자인 트랜지스터에 대하여 정리하고자 한다. 트랜지스터 Transistor 트랜지스터는 전기 신호를 증폭하거나 스위칭하는 데 사용되는 반도체 소자[1]이다. 특히 컴퓨터와 같은 디지털 전자 장비에서는 매우 필수인 소자로, 주로 전기 신호를 키고 끄는 스위치의 기능으로 많이 사용된다. Fig 1.의 트랜지스터는 NPN 바이폴라트랜지스터의 예시이며, Fig 1.처럼 3가지 불순문 반도체(NPN or PNP 순서)를 이어붙여서 트랜지스터를 만들 수 있다. ..

이전 포스터에서 P형 반도체와 N형 반도체의 특성 및 그것들의 접합하여 만든 P-N 접합 다이오드 (P-N junction diode)에 대하여 정리하였다. 이번 포스터에서는 P형, N형 반도체 및 P-N 접합 특성을 활용한 또 다른 소자인 커패시터에 대하여 정리하고자 한다. 커패시터 Capacitor 커패시터, 축전기는 전기전자회로에서 전기 용량을 전기적 퍼텐셜 에너지로 저장하는 장치[1]로, 쉽게 생각하여 전기를 저장하는 소자이다. Fig 1. 왼쪽 그림은 커패시터를 나타낸 모형도로 두 개의 판(plates) 사이에 유전체(dielectric)을 넣어서 만들어진다. 두 개의 판에 Vc의 전압을 인가할 경우, 유전체에는 Q만큼의 전하량이 저장된다. 커패시터에서 전기가 실제로 저장되는 물질이 바로 유전체..

순수 반도체에 불순물 원자를 첨가(도핑)하여 불순물 반도체 (P형, N형)을 만들 수 있다. 불순물이 첨가된 불순물 반도체는 순수 반도체에 비해 일반적으로 전하를 옮기는 carriers(conduction electron과 hole)을 많이 포함하고 있어, 순수 반도체와는 다른 전기적 특성을 보인다. 이번 포스터에서는 도핑을 통해 전기적 특성을 조절할 수 있는 불순물 반도체를 활용한 소자에 대하여 간단히 정성적으로 정리하고자 한다. 저항기 : N형 반도체와 P형 반도체 불순물 반도체의 경우, 도핑 농도를 조절하여 물질의 저항률(비저항, resistivity)을 조절(이전강의)할 수 있다. N형 반도체의 경우 donor 원소를 도핑하여, 도핑된 donor 원자 1개당 1개의 자유 전자를 가지게 된다. 이렇..

전하 Charge 전하(electric charge)는 전기장 내에서 전기현상을 일으키는 주체적인 원인[1]이다. 물체가 가진 전하의 양을 전하량이라고 한다. 전하의 단위는 C(쿨롬) 혹은 A⋅s로, 1C = 1A⋅s는 1A 전류가 1초동안 이동했을 때 움직인 총 전하의 "양"이다. 전하를 가진 물체는 다른 전하를 가진 물체에 의해 전기력을 받는다. 두 점전하 q1, q2가 있고, 두 점전하가 거리 r만큼 떨어져 있을 때, 두 점전하 사이에 작용하는 전기력의 크기는 쿨롱의 법칙을 따른다. (각 점전하는 q1, q2만큼 전하량을 가지고 있다.) 전자 하나가 가지는 전하량 e = 1.60217 * 10^(-19)이다. 전류 Current와 전류 밀도 Current Density 전류 I는 전하의 흐름으로, ..

이전글 2022.03.29 - [Deep Learning/Optimization (Algorithm)] - Compression - 1 : Overview 2022.04.29 - [Deep Learning/Optimization (Algorithm)] - Compression - 2 : PyTorch Pruning Tutorial 및 계산 속도가 빨라지지 않는 이유 2022.06.15 - [Deep Learning/Optimization (Algorithm)] - Compression - 3 : Quantization 개념 (1) 지금까지 딥러닝 네트워크의 효율적인 배포를 위한 네트워크 압축(compression) 기술들 및 그 중 quantization 기법에 대하여 정리하였다. 오늘 포스터에서는 qu..

이전글 2022.03.29 - [Deep Learning/Optimization (Algorithm)] - Compression - 1 : Overview 2022.04.29 - [Deep Learning/Optimization (Algorithm)] - Compression - 2 : PyTorch Pruning Tutorial 및 계산 속도가 빨라지지 않는 이유 이전 포스터에서 딥러닝 네트워크 compression에 대한 개념 및 Pruning에 대하여 정리하였다. 이번 포스터에서는 network compression 방법 중 하나인 quantization에 대하여 정리하고자 한다. Quantization의 개념 및 필요성 Quantization(양자화)이라는 단어는 컴퓨터공학 입문 정도의 강의에서 ..

NVIDIA TensorRT는 "A high-performance deep learning inference SDK for production environments" 이다. 즉 실제 딥러닝이 배포되는 환경에서 NVIDIA GPU를 이용해 딥러닝 추론을 가속 & 최적화 할 수 있는 SDK이다. 이번 포스터에서는 빠르고 효율적인 추론만을 위해 설계된 TensorRT에 대해서 정리해보고자 한다. TensorRT가 도입된 배경 및 간략한 소개 딥러닝 네트워크의 정확도 향상을 위해 딥러닝 네트워크가 깊어지고 더 많은 parameters를 가지면서, 네트워크 추론을 위한 연산량은 계속 증가하고 있다. 연산량의 증가는 곧 긴 추론 시간, 많은 메모리 사용, 많은 전력 사용을 의미할 것이다. 음성 인식, 번역, 자율..