깊은 신경망(deep neural network, DNN)은 이미지 인식, 자연어 처리를 포함한 현실 세계의 문제들을 높은 정확도로 해결하며 딥러닝의 시대를 열었다. 딥러닝 모델의 핵심을 차지하는 합성곱 신경망(convolutional neural network, CNN)의 학습은 연산 집약적인 작업이기 때문에 고비용의 컴퓨팅 자원을 필요로 한다. 일시적으로 고비용의 컴퓨팅 자원이 필요하다는 학습 작업의 특성상 많은 CNN 모델 개발자들은 클라우드 환경의 그래픽 처리 장치(graphical processing unit, GPU)를 활용하여 작업을 처리한다. 그러나 빠르게 발전하는 클라우드 환경을 고려했을 때, 모델 개발자들이 최적의 GPU 자원을 파악하는 것은 어려운 일이다. 본 논문에서는 임의의 CNN 학습 작업을 특정한 GPU 자원에서 처리할 때 소요되는 지연시간을 예측하는 시스템인 PROFET을 제안한다. PROFET은 CNN 학습 작업을 프로파일링 하여 추출된 특징 데이터를 기반으로 예측을 수행하기 때문에 기밀성이 보장되고, 이전의 연구들보다 퍼블릭 클라우드에서 서비스로 제공되기에 적합하다. PROFET 시스템은 연산명 군집화, 교차-자원 예측 모델, 최소-최대 정규화 기반 예측 모델의 세 가지 핵심 기법으로 구성되며 이를 통해 정확한 지연시간의 예측이 가능하다. PROFET 시스템의 정확도는 모델 교차 검증법을 통해 엄격하게 평가되었으며, 그 결과 최신의 연구들보다 호환성 측면에서 뛰어날 뿐 아니라 더 높은 예측 정확도를 보였다.