인공 지능이 자동차 업계를 휩쓸고 있습니다. 예를 들어, UBS의 글로벌 금융 서비스에 따르면 AI 기반 로보택시가 2030년까지 2조 달러 규모의 시장을 창출할 것으로 예상됩니다.

이는 AI가 산업을 혁신하는 가장 두드러진 방법 중 하나를 여실히 보여줍니다. 그것은 바로 자율주행 기술의 개발입니다. 자율주행 자동차는 카메라 기반 머신 비전 시스템과 레이더 및 라이더 기반 감지 장치를 사용하여 주변 환경을 인식하고 이해하고 안전하게 탐색합니다.

이 워크숍에서는 자율주행 자동차 인식 애플리케이션의 차선 탐색, 보행자 감지와 같은 성능을 최적화하는 방법을 설명합니다. 의미론적 분할 뉴럴 네트워크를 구축하고 트레이닝하여 도로, 보행자 및 다른 자동차를 식별하는 방법을 설명합니다. 그런 다음 NVIDIA DRIVE AGX™ 플랫폼에 뉴럴 네트워크를 배포하여 자동차의 자율 항법을 작동해 봅니다. 워크숍을 마치면 고속도로 주행, 도시 도로 주행, 주차 등 다양한 자율주행 시나리오에 대처하는 AI 애플리케이션을 구축하는 데 필요한 기술을 습득하게 됩니다.

 

학습 목표


이 워크숍에 참여함으로써 다음을 수행하는 방법을 학습할 수 있습니다.
  • DRIVE AGX 플랫폼에서 다양한 GPU 메모리 구성을 사용하는 예제 코드를 실행하여 다양한 사용 사례에서 가장 효과적인 구성 확인
  • CUDA 및 시간 추론 테스트 케이스를 사용하여® DRIVE AGX 플랫폼에서 여러 가지 성능 최적화 방법 비교
  • FCN(완전 컨볼루션 신경망) '헤드'와 MobileNets CNN(컨볼루션 신경망) '스템'을 결합하여 자동차 현장을 이해하는 의미론적 분할 네트워크 구축 및 트레이닝
  • Cityscapes 데이터를 사용하여 NVIDIA DIGITS 도구로 의미론적 분할 모델을 트레이닝하여 픽셀 단위 의미론적 영상 분할 시연
  • Keras 및 Tensorflow 의미론적 분할 모델으로부터 DRIVE AGX 플랫폼에서 실제 애플리케이션로 배포할 수 있는 최적화된 NVIDIA® TensorRT™ 모델로 변환
  • DRIVE AGX 플랫폼에서 최적화된 TensorRT 모델을 배포하고 실행하여 DRIVE 애플리케이션의 개발 및 배포 워크플로우 시연

워크숍 데이터시트 다운로드 (PDF 299 KB)

워크숍 개요

인트로
(15분)
  • 전문가 강사와 만나기
  • courses.nvidia.com/join에서 계정 생성하기
DRIVE AGX 기반 CUDA
(120분)
    메모리 관리 및 최적화 기술을 통해 DRIVE 애플리케이션의 GPU 성능을 개선하는 기법을 알아봅니다.
    • 컨벤셔널 메모리, 고정 메모리, 통합 메모리 유형에 대한 성능 트레이드오프를 테스트 후 비교하기
    • 추론에서 혼합 정밀도 컴퓨팅을 최적화하는 방법 살펴보기
    • CUDA 스트림 및 부하 분산 기술을 사용하여 성능을 최적화하기
휴식(60분)
DRIVE용 의미론적 분할 트레이닝
(120분)
    의미론적 분할을 위해 FCN을 구축하고 트레이닝하고 배포하여 자동차 현장을 분석하는 방법을 살펴봅니다.
    • TensorFlow에서 컨벤셔널 CNN을 기반으로 의미론적 분할 FCN 구축하기
    • DIGITS를 사용하여 FCN을 트레이닝하기 위해 Cityscapes 데이터세트 준비하기
    • DIGITS에서 FCN을 트레이닝하고 추론으로 이를 테스트하여 그 결과로 나타나는 영상의 픽셀 수준 의미론적 분할 관찰하기
휴식 (15분)
TensorRT를 사용한 의미론적 분할 네트워크 배포
(120분)
    자율주행 의미론적 분할 사용 사례에서의 TensorRT 개발 워크플로우를 알아봅니다.
    • Keras로 구축된 사전 훈련된 의미론적 분할 모델을 임베디드 시스템용 TensorRT에 맞춰 최적화하기
    • Keras 구현, TensorRT FP32, TensorRT INT8에서의 성능과 정확도 테스트 후 비교하기
    • 추가 성능 비교를 위해 보정 데이터세트를 구축하고 임베디드 타깃 시스템에 모델 배포하기
평가 및 Q&A (15분)
 

워크숍 정보

소요 시간: 8시간

가격: NVIDIA에 문의하세요  

전제 조건:

  • C++ 및 Python 이해
  • CNN(컨볼루션 신경망) 경험

전제 조건 충족을 위한 추천 자료: C++ 튜토리얼, Python 튜토리얼, 컨볼루션 신경망

기술: TensorFlow, Keras, NVIDIA TensorRT, CUDA C++, Python, NVIDIA DIGITS

인증: 평가를 성공적으로 완료한 참가자는 관련 분야에 대한 역량을 인정받고 전문적 커리어 성장을 지원하는 NVIDIA DLI 인증서를 받게 됩니다.

하드웨어 요구 사항: 최신 버전의 Chrome 또는 Firefox를 실행할 수 있는 데스크톱 또는 노트북 각 참가자에게는 클라우드상에서 완전하게 구성된 GPU 가속 서버에 접근할 수 있는 전용 권한이 주어집니다.

언어: 영어, 중국어 간체

Upcoming Workshops

Central European Time
GTC
 

Wed, Apr 14, 2021

9:00 a.m.–5:00 p.m.

Register now
Pacific Time
GTC
 

Thu, Apr 15, 2021

9:00 a.m.–5:00 p.m.

Register now

AI, 데이터 사이언스 또는 가속 컴퓨팅 분야의 핵심 기술을 향상하고 개발하는 데 관심이 있는 기업의 경우, NVIDIA DLI에 딥 러닝 전문가 주도 교육을 요청할 수 있습니다.

워크숍 요청하기

질문이 있으신가요?

Contact Us for Questions on
Deep Learning Training

  1. Section
Read our FAQs
NVIDIA Deep Learning Institute 서비스
NVIDIA 개발자 포럼
DLI 솔루션
제품
기술
리소스