2020-11-27
org.kosen.entty.User@4e1c1371
Taehee Jeong(thj77)
- 0
인공지능기술이 발전하면서, 이에 따른 인공 지능 모델의 예측 정확도도 높아지고 있습니다. 그렇지만, 이에 따라 모델의 크기도 같이 커지고 있습니다.
거대한 크기의 인공 지능 모델을 실행시키는 것에는 많은 기술적인 도전이 있습니다.
왜냐하면 많은 컴퓨팅 메모리와 operation을 요구하고, 이에 따른 파워 소모도 크기 때문입니다.
이것을 해결하는 방법으로 모델의 크기를 10배이상 줄이면서도 모델의 예측 정확도는 비슷한 수준으로 갖도록 하는 기술인 neural network pruning기술에 대해 리뷰하고자 합니다.
거대한 크기의 인공 지능 모델을 실행시키는 것에는 많은 기술적인 도전이 있습니다.
왜냐하면 많은 컴퓨팅 메모리와 operation을 요구하고, 이에 따른 파워 소모도 크기 때문입니다.
이것을 해결하는 방법으로 모델의 크기를 10배이상 줄이면서도 모델의 예측 정확도는 비슷한 수준으로 갖도록 하는 기술인 neural network pruning기술에 대해 리뷰하고자 합니다.