Boost your GPU performance!
딥러닝을 위한 효율적인 GPU 활용 Workshop

문의 : 윤형진 매니저 
02-517-0641 

기 간 일 정 장 소 준비물
2018년 7월 14일 ~ 8월 4일
(주 1회, 총 4회)
토요일 오후 2시 ~ 5시
(회 당 3시간, 총 12시간)
패스트캠퍼스 강남 강의장 개인 노트북 권장

강력해진 컴퓨팅 파워, 하지만.

강력해진 컴퓨팅 파워로 딥러닝에 대한 관심도 날로 높아지고 있습니다. 게다가 딥러닝 구현을 위한 프레임워크의 등장으로 진입 장벽이 낮아지면서, 많은 분야에서 딥러닝이 적용되고 있습니다. 그러나, ‘분석’ 측면에서만 관심이 집중되다보니, 시스템 자원을 효율적으로 사용하기 위한 코드작성과 GPU 시스템 설계는 제대로 이뤄지지 않는 경우가 많습니다. 느린 연산과 100% 사용하지 못하는 GPU 메모리와 같은 문제는 모두 여기서 비롯된 것이죠.

필요한 것은 ‘엔지니어링’ 관점에서의 딥러닝 접근

순차적 명령처리에 특화된 CPU와 달리 GPU는 병렬처리에 특화 되어 있습니다. 대용량의 연산을 빠르게 처리할 수 있는 것이죠. 우리는 GPU 병렬처리를 적용한 효율적인 딥러닝 구현을 위해 2가지 측면을 고려해야 합니다. 1) 분석하기 위한 데이터가 얼마나 복잡한지 2) 연산 model이 복합한지. 2가지 상황에 맞게 병렬처리를 적용하면, 보다 빠르고 정확한 딥러닝 분석이 가능해 집니다

본 Workshop에서 배울 수 있는 것

① 딥러닝 프레임워크 API의 효율적인 사용 및 GPU 시스템 설정이 가능하게 됩니다.

② 본인의 업무 또는 연구에 최적화된 딥러닝을 적용할 수 있습니다.

GPU를 100% 활용해,
보다 효율적인 딥러닝을 구현하고 싶다면 꼭 들어야할 강의

본 강의에서는 효율적인 딥러닝 구현을 위해 두 가지 측면에서 접근법을 찾습니다. 전반부에서는 ‘데이터를 어떻게 정리할 것인지’, 그리고 후반부에서는 그 정리된 데이터를 분석하기 위해 ‘어떻게 딥러닝 GPU 시스템을 설계할 것인지’ 다룹니다. 개념과 알고리즘 이해 측면에서의 이론적 딥러닝이 아닌, 실제 업무와 연구에 효율적으로 적용할 수 있는 실무적 딥러닝을 위한 지식과 노하우를 익힙니다.

이런 분에게 추천합니다.

딥러닝 알고리즘과 코드는 이해할 수 있는데,
데이터/도메인에 적합한 함수 또는 패키지를 구현하고 싶은 분

한정적인 컴퓨팅 리소스를
효율적으로 사용하기 위한 방법을 배우고 싶은 분

본 캠프는 아래의 선수지식이 있어야 수강이 가능합니다. 수강 신청 전 꼭 확인해주세요!

TensorFlow로 CNN/ RNN을 구현할 수 있어야 합니다.

Python 언어에 대한 경험이 있어야 합니다. (설명과 함께 코드를 보면 이해할 수 있는 정도)

* 본 Workshop은 TensorFlow/ Linux 환경을 기준으로 진행됩니다. 

두가지 사전지식을 가지고 계시다면
본 Workshop을 수강하셔도 좋습니다.

강의 난이도 등에 궁금한 부분이 있으시면
자세한 상담을 위해 “반드시” 코스매니저에게 연락해주세요!

수강 후기

인공지능 알고리즘 자체보다도 그것을 효율적으로 수행시키는 방법이 더 중요할 때가 있는데, 그런 부분을 해결해 주는 멋진 강의였음. – 2기 수강생 P님

강의 내용과 관련해서 강사님이 주기적으로 ‘질문있으십니까?’라고 말씀하셔서 더욱 부담없이 질문할 수 있는 좋은 분위기였습니다. – 2기 수강생 K님

강사 소개

ins

김영랑님


– 한국항공대학교 Distributed Infrastructure for Data Intelligence Lab 석사과정
– 연구분야: multi-GPU based distributed deep learning system, High performance computing

커리큘럼

주차 학습 내용
Part 1. 딥러닝 가속화를 위해 사용되는 GPGPU의 기본 원리와 성능 향상 방법, 그리고 고성능 컴퓨팅에서 사용되는 기법을 딥러닝에 어떻게 적용하는지 설명합니다.
1 딥러닝 사용 시 GPU의 필요성 및 병렬 처리 성능 분석 방법
- GPGPU의 구조
- 딥러닝 병렬처리
- 병렬처리 수행 시 성능 향상을 위한 접근 방법
part 2. Multi-GPU 또는 Multi-Node를 실제 TensorFlow에 적용하기 위한 API와 동작 방식에 대해 설명합니다.
2 TensorFlow에서의 Multi-GPU 사용법
딥러닝 수행 시 Multi-GPU를 사용하기 위한 시스템 환경 설정과 함께, TensorFlow에서의 사용 방법을 설명합니다. 1회차에서 설명된 각 병렬처리 기법을 다양한 모델에 실제 적용한 코드를 리뷰합니다..

- 데이터 병렬 및 모델 병렬 처리 기법 이해
- Using GPGPU manually on TensorFlow
- 병렬처리 구현 코드 실습 및 리뷰
3 분산 노드를 활용한 딥러닝
분산 node 활용 시 발생하는 trade-off를 확인하고, 활용 방안을 알아봅시다. Distributed TensorFlow 사용법 및 Cluster 구성 코드 리뷰를 통해 실제 CNN 네트워크에 적용해 봅니다.

- Distributed TensorFlow, Horovod
Part 3. 딥러닝을 가속화하기 위한 방법과 딥러닝 특화 장비, 연구 동향에 대해 설명합니다.
4 단일 GPU 최적화 방법 및 연구/기술 동향
- XLA, Grappler Optimizer for GPU
- 딥러닝 성능 향상을 위한 HPC(High Performance Computing) system 기술 동향
- NCCL, NVLink, DGX-1, IBM's Power PC, etc.

Workshop 정보 및 등록가 안내

비싸게 산 GPU, 50%도 채 못돌리고 있다면!

딥러닝을 위한 효율적인 GPU 활용 WORKSHOP

일    정 2018.7.14.~ 2018.8.4.
매주 토요일 14:00 ~ 17:00 | 총 4주
준비물 개인 노트북 사용 추천
(본인 PC에 맞는 개발 환경 설정 및 원활한 개별 실습을 위하여)
장    소 패스트캠퍼스 강남 강의장
문    의 윤형진 매니저 : 02-517-0641
궁금하신 사항이 있으면 언제든 연락주세요 🙂

정가 : 70만원

할인가는 매 주 목요일 자정 변경됩니다.
※ 카드 12개월 무이자 할부 가능!

다음 기수 출시 알림 신청하기