본 논문은 엣지 환경에서의 효율적인 텐서화된 딥 뉴럴 네트워크를 위한 공동 탐색 프레임워크를 제안한다. 기존 연구가 정확도와 압축률에만 집중하여 하드웨어 효율성을 간과하는 문제를 해결하고자, 수축 경로, 하드웨어 아키텍처, 데이터 흐름 매핑을 통합 설계 공간 내에서 최적화하여 엣지 플랫폼에서 텐서화된 신경망의 훈련 및 추론 효율성을 극대화한다. 제안하는 프레임워크는 지연 시간 중심의 탐색 목표를 설정하고, 통합 설계 공간에서 전반적인 지연 시간 기반 탐색을 통해 엔드 투 엔드 모델 효율성을 달성한다. FPGA 커널에 구현 시, 밀집 모델 대비 최대 4배 및 3.85배의 추론 및 훈련 지연 시간 감소를 달성한다.
