반응형
◆ TensorFlow Lite Application 개발 프로세스
▶딥러닝 모델 개발 프로세스에서는 Python 과 TensorFlow 를 이용하여 모델을 설계하고 훈련
▶ 모델이 개발되면 모바일에서 사용 가능하도록 TensorFlow Lite 모델로 변환하여 저장
▶ 딥러닝 모델 개발 단계의 최종 산출물은 TensorFlow Lite 모델을 파일로 저장한 tflite 파일
▶ tflite 파일이 생성되면 안드로이드 Application 개발 환경에서 안드로이드 Application의 User Interface 와 Business Logic을 개발하는데 UI 개발 단계에서는 사용자에게 보여줄 화면을 개발하고 화면에서 발생하는 이벤트를 비즈니스 로직과 연결하는데 비즈니스 로직 개발 단계에서는 UI로부터 전달 받은 이벤트를 처리하고 딥러닝 모델을 불러와 데이터 입력 및 추론 결과 처리 로직을 구현
▶ Application 개발 단계의 최종 산출물은 안드로이드 기기에 직접 설치되는 Application의 설치 파일인 apk 파일이며 이렇게 개발된 Application은 사용자로부터 데이터를 입력받아 딥러닝 모델로 추론하여 결과를 활용하는 서비스를 제공
▶ 각 개발 프로세스는 일정 수준까지 병행하여 진행할 수 있는데 안드로이드 Application의 UI 개발과 데이터 생성 로직 개발은 딥러닝 모델 개발 프로세스와 병행이 가능하며 Application에서 모델을 불러와 추론하는 부분을 구현하기 전까지만 딥러닝 모델을 완성하면 됨
▶ 모델 개발 자와 Application 개발자가 협업하여 Application을 개발하는 프로젝트의 경우 두 프로세스를 병행하면 개발 일정을 단축할 수 있음
▶ 딥러닝 모델을 활용하여 안드로이드 Application을 개발할 때에는 TensorFlow Lite 및 안드로이드 플랫 폼 등 여러 프레임워크를 이용하기 때문에 설치할 것도 많고 환경 구축이 다소 복잡
▶ 서버 기반 아키텍쳐
▶ On Device AI
◆ TensorFlow Lite Application Architecture
▶ 딥러닝 모델은 강력한 컴퓨팅 자원을 필 요로 하지만 안드로이드는 주로 모바일 환경에서 동작하기 때문에 디바이스에서 가용한 컴퓨팅 자원이 제한적이라서 딥 러닝의 추론 결과를 안드로이드 Application에서 이용하기 위해 서버에 데이터를 보내고 추론 결과를 받아서 활용하는 서버 기반 아키텍처를 많이 사용했지만 최근 안드로이드는 서버를 통하지 않고 기기에서 직접 딥러닝 모 델을 동작시키는 On Device Artificial Intelligence 를 위한 아키텍처 와 컴퓨팅 파워를 갖춰가고 있으며 TensorFlow는 모바일 과 IoT(Internet of Things) 에 특화된 딥러닝 프레임워크인 TensorFlow Lite를 공개하여 안드로이드의 On-Device AI 개발 환경을 더욱 개선해나고 있음
◆ Android Platform Architecture
◆ Android Application 실행 과정
반응형
'IT 초보코딩의 세계 > 딥러닝' 카테고리의 다른 글
| 딥러닝(TensorFlow 애플리케이션 개발 환경 구축) 1-1장 (0) | 2024.04.09 |
|---|
댓글