경

경량 딥러닝 모델

Project information

낮은 CPU 코어 및 낮은 메모리 환경에서 효과적인 학습 및 추론을 위해서는 모델의 크기와 연산량을 최소화. 이를 위해 다음과 같은 특징을 가진 모델을 주로 사용.

모델 크기 최소화: 모델의 레이어 수, 채널 수, 파라미터 수를 줄여 메모리 사용량을 낮춤. 경량화된 아키텍처: MobileNet, SqueezeNet, EfficientNetLite와 같이 모바일 환경을 위해 설계된 모델은 연산 효율이 뛰어남. 정수화(Quantization): 모델의 가중치를 32비트 부동소수점(float32)에서 8비트 정수(int8) 등으로 변환하여 모델 크기를 줄이고, 추론 속도를 높입니다.