맞춤기술찾기

이전대상기술

작업의 특성을 고려한 딥 러닝 프레임워크와 실행할 연산 노드 스케줄링과 딥 러닝 프레임워크 간 인터페이스 변환 기법

  • 기술번호 : KST2021012062
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 일 실시예에 따른 프레임워크와 연산 노드를 결정하는 방법은, 대기열 내 딥 러닝 작업들의 특성에 따라 프레임워크와 연산 노드를 결정하는 방법에 있어서, 상기 딥 러닝 작업들을 각각의 프레임워크와 GPU 타입에서 프로파일링을 통한 One Iteration Time을 예측하는 단계; 상기 대기열 내 하나 이상의 딥 러닝 작업들의 학습 시간이 적게 걸리도록 상기 대기열 내 하나 이상의 딥 러닝 작업들에 딥 러닝 프레임워크와 GPU 워커를 배치시키는 작업 스케줄링하는 단계; 및 상기 딥 러닝 작업을 정의하기 위한 JSON 기반의 인터페이스와 상기 작업 스케줄링하는 단계에서 결정 된 프레임워크로 실행 가능한 인터페이스로 변환하는 단계를 포함할 수 있다.
Int. CL G06F 9/48 (2018.01.01) G06F 9/50 (2018.01.01) G06N 3/02 (2019.01.01) G06N 3/08 (2006.01.01)
CPC G06F 9/4881(2013.01) G06F 9/5044(2013.01) G06N 3/02(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020200040429 (2020.04.02)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2021-0123110 (2021.10.13) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 2

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 윤찬현 대전광역시 유성구
2 김태우 대전광역시 유성구
3 김성환 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 제일특허법인(유) 대한민국 서울특별시 서초구 마방로 ** (양재동, 동원F&B빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2020.04.02 수리 (Accepted) 1-1-2020-0346247-68
2 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
3 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
대기열 내 딥 러닝 작업들의 특성에 따라 프레임워크와 연산 노드를 결정하는 방법에 있어서,상기 딥 러닝 작업들을 각각의 프레임워크와 GPU 타입에서 프로파일링을 통한 One Iteration Time을 예측하는 단계;상기 대기열 내 하나 이상의 딥 러닝 작업들의 학습 시간이 적게 걸리도록 상기 대기열 내 하나 이상의 딥 러닝 작업들에 딥 러닝 프레임워크와 GPU 워커를 배치시키는 작업 스케줄링하는 단계; 및상기 딥 러닝 작업을 정의하기 위한 JSON 기반의 인터페이스와 상기 작업 스케줄링하는 단계에서 결정 된 프레임워크로 실행 가능한 인터페이스로 변환하는 단계를 포함하는프레임워크와 연산 노드를 결정하는 방법
2 2
제 1 항에 있어서,상기 작업 스케줄링하는 단계는,상기 대기열 내 하나의 딥 러닝 작업만 존재하고, 사용 중이지 않은 GPU 워커가 하나 이상 존재할 때 작업 스케줄링하거나, 상기 대기열 내 하나 이상의 딥 러닝 작업이 존재하고, 상기 딥 러닝 작업들의 클러스터 내 모든 GPU 워커가 사용 중일 때 작업 스케줄링하는프레임워크와 연산 노드를 결정하는 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국전자통신연구원 정보통신.방송 연구개발사업 (EZBARO)대규모 딥러닝 고속 처리를 위한 HPC 시스템 개발(2019)