비휘발성 메모리 기반 시스템의 딥러닝 연구를 위한 Full-Stack 시뮬레이터 구현 (Implementing Full-Stack Simulator for Deep Learning System using Non-Volatile Memory)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 29권 / 2호 / 61 ~ 67페이지
· 저자명 : 최주희

초록

딥러닝 워크로드를 수행하기 위한 컴퓨터 시스템에 대한 효율적인 연구를 위해서는 제안된 기법을 검증할 수 있는 Full-Stack 시뮬레이션 환경이 필수적이다. 이를 위해서 SMAUG가 제안되었으며, 실험을 통해 시뮬레이션 수행 시간을 급격하게 증가시키지 않으면서 사용자 관점에서의 성능을 측정할 수 있다는 것을 성공적으로 보여주었다. 그러나, 해당 시뮬레이터는 SRAM이나 DRAM을 가정하고 있으므로, 비휘발성 메모리를 채택하는 시스템에 대한 기능은 부족하였다. 따라서, 본 논문에서는 SMAUG를 기반으로 비휘발성 메모리의 특징을 반영하여 새로운 제안이 등장했을 때 해당 기법의 전력 소모량과 수명을 쉽게 검증할 수 있는 환경을 구축하였다. 기존에 비휘발성 메모리 연구에서 주목받았던 기법들을 구현하여 딥러닝 워크로드들을 실행시킨 결과, 수행 시간은 거의 늘지 않으면서도 전력 소모량 및 수명에 대한 예측 결과를 도출할 수 있었다.

영어초록

Since significant cost and time are consumed in the RTL level implementation, the full-stack simulator is required to efficiently verify the novel system for deep learning workloads.
SMAUG performed user-level performance evaluation without simulation time overhead. However, SMAUG lacks verification of the energy consumption and lifetime estimation for a non-volatile memory-based system because it is assumed that SRAM or DRAM are used for the memory subsystem. Therefore, this paper proposes a simulation infrastructure considering the characteristics of non-volatile memories based on the SMAUG. It supports easy verification of energy consumption and lifetime extension for the new idea. To evaluate the efficiency of the new simulator, the experiments are performed for deep learning workloads. As a result, it was proven that widely used schemes for non-volatile memory are performed with a little extra execution time.

참고자료

· 없음