원문정보
Model Transformation and Inference of Machine Learning using Open Neural Network Format
초록
영어
Recently artificial intelligence technology has been introduced in various fields and various machine learning models have been operated in various frameworks as academic interest has increased. However, these frameworks have different data formats, which lack interoperability, and to overcome this, the open neural network exchange format, ONNX, has been proposed. In this paper we describe how to transform multiple machine learning models to ONNX, and propose algorithms and inference systems that can determine machine learning techniques in an integrated ONNX format. Furthermore we compare the inference results of the models before and after the ONNX transformation, showing that there is no loss or performance degradation of the learning results between the ONNX transformation.
한국어
최근 다양한 분야에 인공지능 기술이 도입되고, 학계 관심이 늘어남에 따라 다양한 기계학습 모델들이 여러 프레 임워크에서 운용되고 있다. 하지만 이러한 프레임워크들은 서로 다른 데이터 포맷을 가지고 있어, 상호운용성이 부족하 며 이를 극복하기 위해 오픈 신경망 교환 포맷인 ONNX가 제안되었다. 본 논문에서는 여러 기계학습 모델을 ONNX로 변환하는 방법을 설명하고, 통합된 ONNX 포맷에서 기계학습 기법을 판별할 수 있는 알고리즘 및 추론 시스템을 제안한 다. 또한, ONNX 변환 전·후 모델의 추론 성능을 비교하여 ONNX 변환 간 학습 결과의 손실이나 성능 저하가 없음을 보인다.
목차
Abstract
Ⅰ. 서론
1. 연구내용
Ⅱ. ONNX 포맷
1. Protobuf
2. ONNX
3. ONNX 연산자
4. ONNX Runtime
Ⅲ. ML, DL 모델의 ONNX 변환
1. Mahine Learning Model to ONNX
2. Deep Learning Model to ONNX
Ⅳ. SNN 모델의 ONNX 양방향 변환
1. SNN
2. Nengo
3. Spiking Neural Network & ONNX 양방향 변환
Ⅴ. ONNX 모델 판별법
1. ONNX 모델 컴포넌트
2. ONNX 판별 방법
Ⅵ. 실험 및 결과
1. 실험 방법
2. ML 모델 추론 실험결과
3. DL 모델 추론 결과
4. SNN 모델 Nengo 추론 결과
Ⅶ. 결론
References