매스웍스, 딥러닝 기능 강화한 매트랩-시뮬링크 R2017b 공개

테크니컬 컴퓨팅 소프트웨어 전문 기업인 매스웍스가 딥러닝을 강화한 매트랩-시뮬링크 R2017b 버전을 공개했다.

26일 서울 삼성동 소재 매스웍스 코리아 사무실에서 개최된 출시 간담회에서 김영우 전무는 "4차산업혁명 시대에 맞춰 딥러닝 모델을 보다 쉽게 개발해 배포할 수 있는 기능을 가진 매트랩-시뮬링크 R2017b 버전을 출시했다"고 밝혔다.

김 전무에 따르면 자동차 제조사나 국방 등을 포함한 여러 분야에 딥러닝을 적용해보려는 시도가 있지만 엔지니어 입장에서 크게 4가지 도전과제가 있다.

먼저 딥러닝으로 돌릴 데이터를 어떻게 라벨링 하느냐다. 이를테면 개나 고양이 이미지를 학습시켜 딥러닝 알고리즘을 만들 경우 수백만장에 달하는 이미지에 일일이 이것은 개다 혹은 고양이다라는 사실을 이름표처럼 붙여서 알려주는 라벨링 과정을 거쳐야 한다.

알렉스넷, 카페 등과 같은 최신 딥러닝 모델을 보다 빠르게 적용할 수 있는 방안에 대해서도 고민이 필요하다. 더구나 딥러닝 알고리즘을 학습시키는 과정에 드는 시간을 줄이는 것도 과제다. 새로운 모델을 만든다고 하더라도 여러가지 프로그래밍 언어에서 작동할 수 있도록 배포하는 방법도 일일이 해당 개발언어에 맞게 바꿔져야한다는 어려움이 따른다.

R2017b는 이 같은 과제를 보다 손쉽게 해결할 수 있게 돕는다고 그는 강조했다.

매트랩에 적용된 라벨링은 자동차가 주변 사물을 인식하는 딥러닝 알고리즘을 개발할 때 촬영된 비디오를 일일이 잘라서 라벨링하는 대신 자동적으로 사물을 확인해 라벨링할 수 있도록 지원한다.

알렉스넷이나 카페 등과 같은 최신 딥러닝 모델도 지원하는 만큼 쉽게 이를 적용할 수 있다고 김 전무는 설명했다.

학습 속도를 높이기 위해서는 싱글GPU 혹은 멀티GPU 등을 골라서 연동시킬 수 있는 환경을 제공하며 명령어 하나를 입력하는 것만으로 하드웨어의 복잡성에 관계없이 딥러닝 알고리즘을 학습시킬 수 있다고 그는 덧붙였다.

김 전무는 "R2017b 버전은 구글 오픈소스 머신러닝 프레임워크인 텐서플로와 비교해 2.5배 빠른 속도를 내며 GPU코더를 적용했을 경우에는 7배 빠른 학습속도를 낼 수 있다"고 말했다.

이렇게 만든 딥러닝 알고리즘을 배포, 공유하는 과정에서는 몇 번 클릭만으로 데스크톱용 앱을 생성하거나 클라우드 환경에서 기업용 솔루션 형태로 구동해 볼 수 있도록 했다. 새로운 버전에서는 특히 엔비디아 쿠다(CUDA) 코드로 변환하는 기능도 추가했다.

구체적으로 R2017b에는 엔지니어, 연구원 및 기타 다른 영역 전문가들이 딥러닝 모델을 설계, 교육, 배포하는 방식을 편리하게 쓰도록 돕는 기능을 추가했다.

먼저 뉴럴 네트워크 툴박스(Neural Network Toolbox)는 방향성 비사이클 그래프(DAG) 및 장단기메모리(LSTM) 네트워크를 비롯한 복합 아키텍처에 대한 지원이 추가됐다. 또한 구글넷(GoogLeNet) 등 잘 알려진 사전 학습 모델을 손쉽게 연동할 수 있도록 지원한다.

컴퓨터 비전 시스템 툴박스(Computer Vision system Toolbox)의 이미지 라벨러(Image Labeler) 앱에서는 연속적 이미지에서 지상 실측 데이터에 레이블을 지정하는 편리한 대화형 방식을 제공한다.

또한 컴퓨터 비전 시스템 툴박스는 객체 감지 워크플로 외에도, 딥러닝을 사용하여 이미지의 픽셀 영역을 분류하고 분할 결과를 평가 및 시각화할 수 있는 시맨틱 분할(Symantic Segmentation)을 지원한다.

신제품인 GPU 코더(GPU Coder)는 딥러닝 모델을 엔비디아 GPU용 쿠다(CUDA) 코드로 자동 변환한다. 내부 벤치마크 결과에 따르면, 딥러닝 추론용으로 생성된 코드는 배포된 모델에서 카페2(Caffe2)보다 성능이 최대 4.5배 향상됐으며, 텐서플로우(TensorFlow)보다 성능이 7배 향상됐다.