머신러닝 모델을 edge hardware에서 효율적으로 실행하기 위해서는 quantization, graph lowering, operator fusion과 같은 복잡한 컴파일 과정이 필요합니다. Arm은 Google AI Edge Model Explorer를 활용하여 이러한 파이프라인을 시각적으로 확인하고 최적화할 수 있는 워크플로우를 구축했습니다. 이를 통해 개발자들은 모델의 구조적 무결성을 검증하고, NPU나 GPU로의 hardware delegation이 제대로 이루어졌는지 확인하며, cycle-level에서의 성능 병목 지점을 정확히 찾아낼 수 있습니다. Arm은 TOSA, VGF, PTE와 같은 다양한 포맷을 지원하기 위해 오픈 소스 adapter도 함께 제공하고 있어, on-device 모델 최적화 작업이 훨씬 수월해졌습니다.