ㅁ 가속기 종류

1. VPU

ㅇ 정의:
– Vision Processing Unit의 약자로, 영상·이미지 처리 및 컴퓨터 비전 작업에 특화된 저전력 병렬 처리 전용 프로세서.
– 딥러닝 기반 영상 인식, 객체 탐지, 추적 등의 연산을 효율적으로 수행.

ㅇ 특징:
– GPU 대비 전력 소모가 낮고, 임베디드·엣지 디바이스 환경에 최적화.
– CNN(Convolutional Neural Network) 연산 가속에 특화.
– 메모리 대역폭 효율성을 높여 실시간 영상 분석 가능.
– 일부 VPU는 AI 추론 전용 명령어 세트와 하드웨어 최적화된 연산 유닛을 내장.

ㅇ 적합한 경우:
– CCTV, 드론, 자율주행차, 산업용 로봇 등 엣지 환경에서의 영상 기반 AI 추론.
– 전력 제약이 있는 IoT 장치에서 실시간 영상 처리.

ㅇ 시험 함정:
– VPU를 GPU와 혼동하여 범용 병렬 연산에도 적합하다고 착각하는 경우.
– TPU(딥러닝 전용)와의 차이를 묻는 문제에서 영상 처리 특화 여부를 간과.

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) VPU는 영상 처리와 컴퓨터 비전에 특화된 저전력 가속기이다.
– (X) VPU는 범용 수치 연산에 최적화되어 있으며 영상 처리에는 적합하지 않다.
– (O) 엣지 디바이스에서 전력 효율적인 CNN 추론이 가능하다.
– (X) VPU는 주로 데이터센터의 대규모 행렬 연산에 사용된다.

ㅁ 추가 학습 내용

VPU는 GPU, TPU와 비교하여 특징을 구분해야 한다.
GPU는 범용 병렬 연산에 강점이 있으며, 그래픽 처리뿐 아니라 다양한 병렬 계산 작업에 활용된다.
TPU는 대규모 행렬 연산과 딥러닝 학습·추론에 최적화된 하드웨어로, 특히 대규모 신경망 처리에 효율적이다.
VPU는 영상 처리와 엣지 단의 추론에 특화되어 있으며, 저전력 환경에서 실시간 영상 분석에 적합하다.

VPU의 대표 제품군으로는 Intel Movidius Myriad 시리즈가 있다.
지원하는 딥러닝 프레임워크로는 OpenVINO 등이 있으며, 이를 통해 다양한 신경망 모델을 최적화하여 실행할 수 있다.
시험에서는 전력 소모(Watt 단위)와 처리 성능(FPS, TOPS) 지표가 자주 언급되므로 수치와 의미를 함께 숙지해야 한다.

최근 VPU는 단순 영상 처리뿐 아니라 영상과 음성을 함께 처리하는 멀티모달 AI 추론에도 활용되고 있어, 응용 범위가 확장되고 있다는 점을 이해해야 한다.