StartUp_(주)딥이티

AI 프레임워크를 임베디드보드나 IoT 보드에 사용하기 위해 경량화/최적화를 수행하여 타겟 보드 맞춤형 엔진을 제공하는 솔루션

Pre-trained 딥러닝 모듈을 임베디드 보드에 맞춤형 최적화를 진행하여 사용자가 사용할 수 있는 API를 제공하고 있습니다. 특히, 경량화·최적화 과정은 Auto-ML을 통해 타켓 보드에 맞추어 타켓 보드가 최적의 동작을 수행하기 위한 조건을 선택하며 라즈베리 파이 4와 같은 저가형 보드등에서도 AI 프레임워크가 작동합니다.

IT AI 정보통신 소프트웨어 AI 소프트웨어솔루션

(주)딥이티

Round 참가 횟수

1회 참여

? YBPU AI 프레임워크 개발

- 건국대학교 조용범교수는 2020년 9월 딥이티(DeepET)를 설립하여 임베디드 플랫폼에 사용할 수 있는 YBPU 플랫폼을 발표했는데, YBPU는 임베디드 및 IoT 보드, PC-level 등의 Target 보드에 AI 알고리즘을 탑재할 수 있도록 AI 알고리즘을 경량화하고 타켓 보드의 CPU/GPU 성능을 최대화하는 플랫폼입니다. 어떤 AI 프레임워크도 임베디드 보드에 제한받지 않고 YBPU를 통해 타겟에 맞는 경량화 및 최적화를 통해 사용할 수 있음. 현재 검증된 AI 모델은 10개 정도이며, 지속적으로 추가하고 있습니다.

[그림] YBPU 프레임워크 소개

- YBPU는 임베디드 장치에 딥러닝 신경망 모델을 빠르고 효율적으로 배포하고 있습니다. 많은 AIoT 애플리케이션에서 크로스 플랫폼 배포를 달성하기 위해 YBPU는 임베디드 장치의 제한된 리소스에 맞게 심층적인 프레임 조정을 수행했습니다. 동시에 완전히 분리된 프런트엔드 및 백엔드 설계가 채택되어 CPU, GPU 및 NPU와 같은 이기종 컴퓨팅 장치의 신속한 배포에 도움이 되고 있습니다.

[그림] YBPU 구조

- YBPU의 핵심 구성 요소는 1)컴퓨팅 최적화, 2)하드웨어 리소스 분석, 3)모델 정량화, 4)이기종(CPU-GPU) 스케줄링 및 실행 모듈입니다. CPU 백엔드는 8비트 SSE/SSE2 및 AVX를 지원하고 GPU 백엔드는 16FP를 지원합니다. 메모리는 풀 구현이 가능하여 DAG 네트워크 계산 그래프 분석을 통해 분할된 ML 네트워크가 구현되어 CPU-GPU 통신 비용이 절감되고 메모리 리소스 사용량이 90 % 감소합니다. 또한 교차 모델(다중 모델)을 통해 메모리 재사용이 가능합니다.

- YBPU 프레임워크가 지원하는 프로세스는 다양하며, CPU 계열은 ARM, INTEL, AMD 등이 있고 GPU 계열은 OpenCL과 Vulkan으로 Nvidia, INTEL, AMD, ARM 등의 지원이 가능합니다.

[그림] YBPU 지원 프로세서

- 딥이티의 기보유 기술인 YBPU를 활용하여 저사양, 저비용의 임베디드 환경에서의 고효율 연산 및 추론이 가능한 기술, 인터페이스를 가지는 임베디드 인공지능 엔진 기술 등을 개발하는데 기간 단축의 효과를 볼 수 있습니다.

투자 정보

희망 투자 유치 금액

2,000,000,000 원

총투자유치

100,000,000 원

투자단계 SEED
투자받은 기관 액터너랩
투자 받은 금액(원) 100,000,000 원
투자일자 2021.

투자단계

Angel
Seed
Series A
Series B
Series C~E
IPO/M&A

IR 정보

Round 참가 횟수

1회 참여

IR 자료

등록된 IR 자료가 없습니다.

AI의 DNN기술과 IoT기술의 만남, AIoT의 현대 사회 여러 분야를 위해 연구합니다.

(주)딥이티는 건국대학교 전기전자공학부 조용범 교수가 창업한 스타트업 기업입니다. 'YBPU(YB Processing Unit)'는 건국대학교 조용범 교수의 연구실에서 독자적인 기술로 만든 프레임워크이자 PC나 클라우드 서비스로 개발된 AI 프레임워크를 임베디드 보드나 IoT 보드에 사용하기 위해 경량화/최적화 작업을 수행하여 타겟 보드에 맞게 API를 제공하는 엔진입니다. 이미 훈련된(Pre-trained) 딥러닝 모듈을 현재시장에서 사용 가능한 대부분 임베디드 보드에 맞춤형 최적화를 진행하여 사용자가 사용할 수 있는 API를 제공하고 있습니다. 특히, 경량화/최적화 과정은 Auto-ML을 통해 타겟 보드에 맞추어 타겟 보드가 최적의 동작을 수행하기 위한 조건을 선택하여 라즈베리 파이와 같은 저가형 보드 등에서도 AI 프레임워크가 작동합니다.