reVISION 세미나 Part 1: Machine Learning with Xilinx

2017-09-26 10:30~11:47

XILINX / 정웅 부장

웨비나정보 웨비나Q&A

지*호2017-09-26 오전 10:50:08
GPU 대체시 xilinx로 가격 대비 어느정도 효율이 된다고 보면 될지요?
xilinx12017.09.26
구체적인 디바이스가 있어야 답변이 가능할 것 같습니다. 거기에 전력 효율성 이나 성능 같은 시스템 관점의 분석도 필요합니다. 단순 디바이스 가격에서는 FPGA가 비쌀 수 도 있습니다만, 전체적인 시스템 코스트는 FPGA를 이용하는 것이 비용 측면에서 효율적인 시스템에 Xilinx 가 사용된다고 보시면 됩니다,
양*균2017-09-26 오전 10:49:49
추론과 역전파에 대한 부분을 로직fpga로 구현할 경우 특정 기능만 수행한다는 의미는 불가능한 부분도 있다는 의미 인가요?
xilinx22017.09.26
불가능 보다는 예측률의 차이라고 보셔야겠죠?? FP8 과 INT8 차이로 예를 들면 될것같습니다.
leej***2017-09-26 오전 10:49:41
tensor flow 지원은 언제 가능한가요?
xilinx22017.09.26
텐서는 곧 지원계획이 있습니다.
김*식2017-09-26 오전 10:49:25
[질문] 오늘 방송에서 소개해 주신 machine learning 과 AI와는 어떤 차이점이 있는지요?
xilinx22017.09.26
AI도 머신 러닝 의 한종류입니다
조*우2017-09-26 오전 10:49:07
GPU와 FPGA의 딥런링 비교에서 또 하나의 중요한 비교 대상이 바로 같은 성능에 구축 비용이 얼마가 되느냐에 있다고 생각합니다. 혹시, 가지고 계신 자료가 있으면 공유 바랍니다.
xilinx12017.09.26
일반적으로 processing 당 비용은 GPU가 FPGA 보다 우수합니다. 하지만 전력효율이나 성능 측면에서 GPU 보다 우수하기 때문에 필요에 따라 GPU 대신 FPGA를 사용합니다., Xilinx는 모든 GPU 시장을 타겟으로 하지 않습니다. 성능이나 전력 효율성 측점에서 FPGA가 강점을 보이는 시장에 집중하고 있습니다,
김*수2017-09-26 오전 10:48:38
넷의 훈련이 완료된 후 구해진 가중치값을 적용하여 실제 분류하는데 사용하는것이 좋은가요?
xilinx22017.09.26
자이링스는 트레이닝 셋트 웨이트값은 pc또는 gpu에서 만드는 것을 추천하고 인퍼런스 예측에 관련된것을 사용하는것을. ㅜ천합니다.
Jins***2017-09-26 오전 10:47:36
bnn 아직 연구단계인가요? 많이 응용된 부분이 있나요?
xilinx22017.09.26
많은 개발자분들이 검토 및 연구개발을 하고 계십니다.
지*호2017-09-26 오전 10:47:27
일반적으로 FPGA와 GPU 성능 차가 얼마나 될지요?
xilinx12017.09.26
상당히 어려운 질문입니다. 성능에 영향을 주는 요인이 많기 때문입니다. 일반적인 관점에서는 FPGA가 CPU 대비 integer 연산에서 우수하다, 전력 소모가 적다, 레이턴시가 짧다 정도 입니다. 물론 이 부분도 구체적인 디바이스의 스펙에 따라 달라질 수 있는 부분 입니다. 본 세미나에서 소개해드린 성능 테이블을 참고 하시기 바랍니다,
김*주2017-09-26 오전 10:45:44
10kHz 캐리어 주파수를 사용하면 가성비가 좋은 제품군을 추천해주시면 감사하겠습니다.
xilinx22017.09.26
Artix7 중에 선택 하시면 되겠습니다.
정*균2017-09-26 오전 10:45:08
Machine Learning Performance를 높이기 위해서는 core의 performance나 GPU 성능만 끌어올리면 되는지요?
xilinx32017.09.26
HW 측면에서는 그렇다고 볼 수 있습니다.