사례로 본 엔비디아 딥 러닝 ‘베스트 프랙티스’ 완전 해부

by NVIDIA Korea

엔비디아는 딥 러닝(Deep learning) 기술을 이용해 고객들의 편의 제고에 끊임없이 노력하고 있습니다. 딥 러닝은 인공지능(AI)에서 가장 빠르게 성장하고 있는 분야로 컴퓨터가 이미지, 소리, 텍스트 등 무한한 양의 데이터를 이해할 수 있도록 돕는 기술입니다.

엔비디아는 복잡한 상황을 인간 이상의 수준으로 보고, 학습하고, 반응할 수 있는 딥 러닝 기술을 고객들에게 제공하고 있습니다. 이번 엔비디아 AI 컨퍼런스에서는 SIA(SI Analytics), SK하이닉스, LG CNS, 네이버랩스 등이 엔비디아와 함께 진행하고 있는 AI 도입 사례를 발표하였습니다.  

SIA, GPU 기반 AI로 위성 이미지에 가치를 더하다

SIA(SI Analytics)는 국내 첫 인공위성 KITSAT-1을 개발한 연구원들이 설립한 위성시스템 개발 한 쎄트렉아이의 인공지능(AI) 프로젝트 팀에서 파생된 AI 스타트업입니다. SIA는 인공위성과 항공 사진을 분석하는 AI 엔진과 솔루션, 플랫폼을 개발하는데 기여하고 있습니다.

SIA는 위성 이미지에서 정확한 물체를 감지하는 것에 소모되는 시간과 에너지를 줄이기 위해 엔비디아의 솔루션을 도입하기로 했습니다. 또한 이들은 솔루션 도입을 통해 위성 이미지를 효율적으로 분석해 활용하고자 했습니다.

이를 위해 SIA 연구개발팀은 세계에서 가장 빠른 AI 스테이션인 엔비디아의 DGX Station을 도입하기로 했는데요. 이 외에도 기본적인 딥 러닝 솔루션에 필요한 도구인 LabelEarth, TensorFlow API 기반 모델, SIDLE과 Horovod를 사용했습니다.

이 결과로 SIA는 짧은 시간 내에 위성 이미지를 다양한 목적에 맞게 데이터화 시킬 수 있게 됐습니다. 전성현 연구원은 “엔비디아의 DGX Station 도입 후 이전에는 30K X 30K 픽셀의 이미지를 분석하는데 40분이 걸린 반면 지금은 이미지를 분류하는데 불과 3분밖에 걸리지 않게 됐다..덕분에 고객은 분석 결과를 받는 시간이 짧아졌고, 기업은 효율성이 증가되는 효과를 가져오게 됐다”고 말했습니다. 나아가 SIA 연구팀은 계속해서 엔비디아 GPU를 연구에 사용하기로 결정했다고 합니다.

엔비디아 솔루션 도입 후 SIA는 전산 속도와 GPU 플랫폼의 효율성을 극대화할 수 있었습니다. 해당 사례를 통해 항공우주산업에 적합한 AI 애플리케이션의 현재와 미래를 확인할 수 있었고, 위성 이미지와 딥 러닝을 이용한 다양한 효과를 기대할 수 있게 됐습니다.

SK하이닉스 반도체 품질관리 향상에 엔비디아 딥 러닝 활용

SK하이닉스는 30여 년간의 축적된 반도체 생산 운영 노하우를 기반으로 세계 시장을 선도하는 글로벌 반도체 기업입니다. SK하이닉스의 IT 정보팀에는 머신 러닝, 딥 러닝 등의 최신 기술들을 활용해 반도체 제품 라인을 어떻게 최적화할 수 있을지 연구하고 개발하는 데이터 과학자(Data Scientist)들이 속해 있습니다.

이들은 반도체 공정 과정이 계획된 패턴으로 제대로 구현됐는지 검사하고 있는데요, 기존 장비에 탑재된 사물 감지 소프트웨어로 검사를 실시할 경우 알람 오작동으로 물량 손실이 발생해 곤란을 겪고 있었습니다. 더욱이 SK하이닉스에서는 이를 엔지니어들이 수작업으로 불량 여부를 판별하는 방식으로 재분류하고 있었는데, 일일이 육안으로 검사하는 방식에서 오는 피로도와 여기에 드는 인건비가 만만치 않았습니다.

이에 SK하이닉스의 엣지 팀, 클라우드 팀, 데이터 과학자 팀 등은 해결책으로 엔비디아의 딥 러닝 애플리케이션을 도입하기로 했습니다. 이를 위해 SK하이닉스는 엔비디아의 추론 서버와 Tesla P4, Jetson TX2와 AI 슈퍼컴퓨터인 DGX station, 데이터센터 GPU인 Tesla V100을 도입했습니다.

이 결과 딥 러닝 추론을 활용한 품질 검사는 알람 오작동으로 인한 재분류 작업 대비 적은 비용으로도 높은 정확도로 이미지만으로 불량 여부를 판별해 낼 수 있게 됐습니다. Computer Vision 딥 러닝 애플리케이션이 지원하는 사물 감지 기능은 기존에 수작업으로 하던 재분류 업무를 90% 이상 효율적으로 수행했습니다. SK하이닉스는 반도체 제조 과정에서 이와 같은 공정들이 상당히 많다는 점을 발견하고, 이런 공정의 업무를 최적화하는 작업에 엔비디아의 기술을 확대 적용해 나갈 방침이라고 합니다.

LG CNS, 엔비디아 딥 러닝으로 이미지 공정 정확도 개선

LG CNS는 글로벌 IT서비스 전문 기업으로 LG그룹 계열사의 IT 서비스와 오픈마켓 사업을 전개하고 있습니다. LG CNS의 CTO 소속 AI연구실은 머신 러닝, 딥 러닝과 같은 최신 기술들을 활용해 LG전자의 제품 라인을 확장하는데 기여하고 있습니다. LG CNS는 지금껏 사용해온 TensorRT 2.1 버전으로는 사물 감지가 지원되지 않아 사람의 눈으로 점검하는 것이나 패키징, 연구실 시험 과정의 정확도와 속도에 있어 한계가 있음을 알게 됐습니다.

LG CNS AI연구실 팀원들은 이 문제를 해결하기 위해 엔비디아의 Tesla P4, Jetson TX2, DGX-1V와 TensorRT를 도입했습니다. 특히 딥 러닝 프레임워크와 애플리케이션인 Computer Vision(사물 감지)도 요구됐다고 합니다.

LG CNS는 도입한 솔루션을 통해 TensorRT의 커스텀 플러그인 레이어로써 CUDA를 사용해 여러 신경 네트워크 레이어를 구현했습니다. LG CNS는 또한 전후 처리 과정을 위해 CPU와 GPU 코드를 최적화하는 작업을 진행했고, 엣지 디바이스에서 쓰이는 엣지 GPU를 검증했습니다.

이 결과로 LG CNS AI연구실은 제품 라인 공정 과정의 정확도를 향상시킬 수 있었으며, 비용 역시 줄일 수 있었다고 합니다. 나아가 LG CNS는 공정 과정의 알람 오작동으로 인해 발생하는 물리적 보안 서비스 비용을 크게 감소시켰습니다.

엔비디아 솔루션 도입 후 LG CNS는 제조 과정 훈련에 현재까지 100만 개 이상의 이미지들을 사용했으며, 공정 과정의 데이터 추론에 사용된 규모는 측정이 불가능할 정도라고 합니다. 이를 기반해 수만명을 대상으로 서비스를 제공할 예정입니다. 향후 LG CNS는 LG디스플레이의 표면 결함 검사와 LG전자의 생산 라인에도 확대할 예정이라고 하는데요. 이를 통해 제공 공정의 효율성 향상을 기대하고 있습니다.

네이버랩스 생활환경지능 개발에 엔비디아 기술 채용

네이버 LABS(네이버랩스)는 네이버의 R&D 자회사입니다. 네이버랩스는 생활환경지능 기술(상황이나 환경을 인지해 필요한 정보를 사용자에게 자연스럽게 연결해주는 기술) 개발에 힘쓰고 있습니다.

네이버랩스는 엔비디아의 Jetson 컴퓨팅 플랫폼을 솔루션으로 채택해 여러 딥 러닝 알고리즘을 통해 쇼핑몰과 공항 등 복잡하고 혼잡한 환경에서 자율주행 가이드 로봇인 ’AROUND G’의 장애물 회피 능력을 개발하고 이를 서비스 하고 있습니다.

네이버랩스는 AROUND G를 훈련하는 데 규칙 기반의 알고리즘을 사용했지만, 센서 측정과 움직이는 장애물 회피에 곤란을 겪었습니다. 이 문제를 해결하기 위해 네이버랩스는 엔비디아의 혁신적인 Jetson과 함께 Jetpack, CUDA toolkit, cuDNN, TensorRT 등의 소프트웨어 솔루션을 도입했습니다.

이를 통해 네이버랩스는 다중 에이전트 내비게이션 시뮬레이터(multi-agent navigation simulator)를 개발했고, 엔비디아의 Titan X GPU를 활용해 수십 개의 에이전트를 동시에 훈련할 수 있었습니다. 네이버랩스는 GPU의 뛰어난 성능으로 새로운 딥 러닝 모델을 훈련하는 시간을 단축시킬 수 있었습니다. 이와 같은 훈련을 거듭한 후 네이버랩스는 NVIDIA Jetson TX2와 Xavier 임베디드 시스템을 도입해 실제 자율 로봇에 활용했습니다.

네이버랩스는 빠르고 원활한 소프트웨어 작동과 학습 모델의 발전에서 Jetson board의 놀랄 만한 성과 향상과 효율성을 확인했다고 합니다. 또한 네이버랩스는 엔비디아 지원에 크게 만족하고, Jetson을 딥 러닝의 핵심 기술로 인정했습니다.