칩스앤미디어, 멘토 캐타펄트 HLS 플랫폼의 심층신경망(DNN) 알고리즘을 이용해 객체의 실시간 검출을 위한 자사의 c.WAVE100 컴퓨터 비전 IP를 설계 및 검증...

DNN은 TensorFlow 또는 Caffe와 같은 프레임워크 상에서 개발되며, 이어서 해당 알고리즘을 C 모델에서 캡처할 수 있다. 칩스앤미디어는 이 알고리즘 C 모델을 합성 가능한 C 코드로 개선하고, Catapult HLS Platform을 이용해 다양한 아키텍처를 신속하게 모색하고 RTL로 합성함으로써 이러한 유형의 디자인에 최적화된 솔루션을 찾아냈다. 

이미지:멘토
이미지:멘토

전자 설계 자동화(EDA) 소프트웨어 분야의 선도업체인 한국 멘토·지멘스 비즈니스(대표 김준환)는 칩스앤미디어(Chips&Media)가 멘토의 설계 검증 솔루션인 ‘캐타펄트 HLS(Catapult™ High-Level Synthesis Platform)’을 도입함으로써 심층신경망(DNN) 알고리즘을 이용해 객체의 실시간 검출을 위한 자사의 c.WAVE100 컴퓨터 비전 IP를 설계 및 검증했다고 23일 발표했다. 

칩스앤미디어는 자동차, 감시 및 가전과 같은 시장에 널리 사용되는 SoC 디자인용의 고성능, 고품질 비디오 IP의 주요 공급사이다. 칩스앤미디어는 차별화된 머신러닝 IP를 고객에게 신속하게 제공하기 위해 기능 검증 시간, 타이밍 클로저, 설계 및 아키텍처 최적화를 앞당김으로써 생산성을 극적으로 높여야 했다.

이를 통해 머신러닝 알고리즘과 아키텍처의 연구개발에 더 많은 시간을 투자할 수 있기 때문이다. 이러한 목표를 달성하기 위해 수작업으로 코딩하던 기존의 RTL(register transfer level) 플로우에서 벗어나 Catapult HLS Platform을 채택함으로써 알고리즘과 테스트벤치를 C 언어로 코딩했다. HLS 설계 및 검증 팀은 동일한 프로젝트에 RTL 플로우를 이용한 팀보다 프로젝트 기간을 절반으로 단축했다고 한다.

DNN 개발 프로세스(사진:멘토)
DNN 개발 프로세스(사진:멘토)

칩스앤미디어 최고기술책임자(CTO)인 전민용 상무는 “특히 추론을 겨냥한 장치에서 DNN 가속 문제를 해결하기 위해서는 개발된 신경망 알고리즘을 전력, 성능 및 면적(PPA)에 집중해 고도로 최적화된 하드웨어 아키텍쳐를 확보하는 것이 열쇠라고 생각한다. 자사는 멘토 HLS를 활용하여 이를 매우 효율적으로 해낼 수 있었다”며 “우리의 프로젝트는 매우 성공적이었다. 향후 프로젝트에도 Catapult를 이용한 HLS 플로우를 채택할 계획이다”고 말했다. 

하드웨어 IP 블록 다이어그램(사진:멘토)
c.WAVE100 IP 블록 다이어그램(사진:멘토)

DNN 기반 컴퓨터 비전 프로세싱의 특징 중에는 곱셈/덧셈/누적 연산의 반복적인 계산이 포함되며, 대량의 데이터 이동이 신경망 층을 통해 이루어진다. DNN은 텐서플로우(TensorFlow) 또는 카페(Caffe)와 같은 프레임워크 상에서 개발되며, 이어서 해당 알고리즘을 C 모델에서 캡처할 수 있다. 칩스앤미디어는 이 알고리즘 C 모델을 합성 가능한 C 코드로 개선하고, Catapult HLS Platform을 이용해 다양한 아키텍처를 신속하게 모색하고 RTL로 합성함으로써 이러한 유형의 디자인에 최적화된 솔루션을 찾아냈다. 

멘토의 디지털 설계 및 구현 솔루션 부문 제너럴 매니저인 바드루 아가왈라(Badru Agarwala)는 “급격한 시장변화가 일어나고 있는 여러 애플리케이션 분야에서 Catapult HLS는 성공에 요구되는 수준의 생산성을 달성할 수 있는 유일한 방법으로서 채택되는 추세”라며 “멘토는 Chips&Media가 HLS로 원활하게 전환할 수 있도록 긴밀하게 협력해왔다. 그 결과 Chips&Media는 하드웨어 RTL구현 및 디버깅 세부사항이 아니라 자신들의 전문기술 분야인 알고리즘/아키텍처 설계에 집중할 수 있었으며, 자신들의 아이디어를 훨씬 더 신속하게 시장에 제공할 수 있었다”고 말했다. 
 

저작권자 © 인공지능신문 무단전재 및 재배포 금지