エッジデバイスへの
モデル最適化コストが高い
デバイス要件の変更で
再開発コストがかかる
開発したAIサービスの
クラウド運用費用が高い
SubnetX とは、ある深層学習モデル(Supernet)に対し、決められた一連の学習を行うだけで計算量や精度等が異なる膨大な個数(数万以上)の学習済み深層学習モデル(Subnet)を構築し、目的のデバイスにあった深層学習モデルを選択するだけで最適化を達成できるAIモデル開発支援パッケージです。
弊社事例で、事前学習済みのSubnetXを活用することにより、三つのデバイスに対して同じモデルを最適化するときに、開発期間を38%短縮することに成功しました。また、事前学習済みSubnetXをカスタムデータセットに適応することで、新しいデータセットへの適応が早くなることを確認し、EdgeAI Ops工数の削減可能性があることを確認しました。
New Approach
通常、1サイクルで1モデルしか開発できないことにより、性能目標が変わるたびに試行錯誤や手戻りを繰り返していました。スケーラブルなモデル開発では、1サイクルで数万以上の多様なモデルを取得できるため、運用開始後や開発途中、運用後に要件変更があったとしても、手戻りを最小化できるため開発コストを削減できます。
Standard Approach
iPhone13向けに開発したAIモデル搭載アプリ。ユーザー数が伸び悩んだためiPhone8にもデプロイしたもののメモリ使用量が多くなりUXに影響がでてしまう。結果AIモデルを変更する必要があるなど、デバイスを増やしたり変更するたびにAIモデル開発をやり直すなど開発・運用コストがかかり続けてしまうことがありました。
業種:自動車メーカー
課題:AIモデルを先行開発し、運用システムのデバイス仕様に応じてデプロイする際に最適化が必要だった
※50音順に掲載