딥러닝 기반 추천 시스템 가속을 위한 차세대 비휘발성 메모리 및 스토리지 시스템 활용 방안 연구Workload characterization for deep learning recommendation system using non-volatile memory and storage system
최근 딥러닝 기반의 인공지능 연구로서 이미지를 처리하는 합성곱 신경망(CNN)과 언어 처리와 관련된 순환 신경망(RNN) 기반의 가속기 시스템 연구가 활발히 진행되고 있다. 하지만, 이러한 연산 중심의 딥러닝 모델과는 다른 형태의 임베딩 기반의 딥러닝 모델이 부상하고 있다. 임베딩이란 특정 사물 또는 사람에 대한 특징을 수학적인 표현을 위해 N차원 공간에 투영시킨 벡터이다. 추천 시스템은 이러한 임베딩을 조합하여 심층 신경망(DNN) 연산을 통해 추천이 되어질 확률을 계산한다. 이러한 임베딩을 표현 및 보관하기 위해서 적게는 수 GB에서 많게는 수 TB까지 확장된다. 본 학위논문에서는 임베딩으로 인한 추천 시스템의 메모리 및 스토리지 시스템 병목점에 대해 비휘발성 메모리 및 차세대 스토리지 시스템이 어떻게 활용될 수 있는지에 대해서 분석한다.
- Advisors
- 유민수researcher; Rhu, Minsooresearcher
- Description
- 한국과학기술원 :전기및전자공학부,
- Publisher
- 한국과학기술원
- Issue Date
- 2021
- Identifier
- 325007
- Language
- kor
- Description
학위논문(석사) - 한국과학기술원 : 전기및전자공학부, 2021.2,[iv, 27 p. :]
- Keywords
심층 학습▼a추천 시스템▼a비휘발성 메모리▼a비휘발성 메모리 익스프레스 보조기억장치; DNN (deep neural network)▼arecommendation system▼anon-volatile memory▼aNVMe SSD
- Appears in Collection
- EE-Theses_Master(석사논문)
- Files in This Item
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.