본 논문은 딥러닝(DL) 프레임워크의 효율성 향상을 위한 자동화된 리팩토링 기법을 제시합니다. 기존의 지연 실행 방식(deferred execution)은 확장성이 뛰어나지만, 오류 발생 가능성이 높고 직관적이지 않으며 디버깅이 어렵다는 단점이 있습니다. 반면, 즉시 실행 방식(eager execution)은 사용하기 쉽지만 실행 속도가 느립니다. 본 논문에서는 즉시 실행 방식의 임페러티브 DL 코드를 그래프 기반으로 효율적으로 실행할 수 있도록 자동으로 리팩토링하는 기법을 제안합니다. 파이썬 기반의 정적 분석을 통해 즉시 실행 함수 중 그래프 기반 실행이 가능한 후보 함수를 식별하고, 보수적인 접근 방식과 추측적 분석(keyword-based)을 활용하여 분석의 정확성을 높였습니다. PyDev Eclipse IDE 플러그인으로 구현되었으며, 19개의 딥러닝 프로젝트(132 KLOC)를 대상으로 평가한 결과, 766개의 후보 함수 중 326개(42.56%)가 리팩토링 가능했으며, 성능 평가 결과 평균 2.16배의 속도 향상을 보였습니다. 모델 정확도에는 거의 차이가 없었습니다.
