현
현대자동차
November 24, 20241회
[딥러닝 경량화] Pruning 기법으로 딥러닝 네트워크 경량화하기: 개념과 실제 적용 사례
간단 소개
Pruning 기법을 통해 딥러닝 모델을 경량화하고, AIMET을 활용한 실제 적용 사례를 통해 성능 향상을 확인한다.
AI Summary
- Pruning의 개념 및 효과
- Pruning은 딥러닝 모델의 불필요한 파라미터를 제거하여 모델 크기를 줄이고 연산 효율성을 높이는 기법이다.
- 메모리 최적화, 연산 효율성 향상, 전력 소비 감소 등의 효과가 있다.
- Pruning 기법의 종류
- Structured Pruning은 네트워크 구조 자체를 단순화하는 방법으로, 채널 Pruning이 대표적이다. 프레임워크 호환성이 좋고 추론 속도 향상에 유리하지만, Pruning 비율을 높이기 어렵다.
- Unstructured Pruning은 구조를 유지하면서 개별 파라미터를 제거하는 방식으로, 높은 Pruning 비율을 달성할 수 있지만 계산 최적화가 어려울 수 있다.
- AIMET을 활용한 Pruning 적용 사례
- 퀄컴 AIMET을 사용하여 모델 압축을 수행하고, Channel Pruning을 적용하여 레이어별 압축 비율을 결정한다.
- 실험 결과, 3D object detection task에서 latency가 감소하고, 모델 성능은 유사하게 유지됨을 확인했다.
Next Feeds

검색 서비스에서 좋은 품질의 코드를 찾는 은하수 항해 기록
11번가 검색 서비스 프론트엔드 개선 과정을 통해 얻은 좋은 품질의 코드에 대한 고민과 컴포넌트 설계 및 개선 경험 공유.
프론트엔드검색 서비스컴포넌트 설계코드 품질유지보수
2024. 11. 24.
11번가
QueryPie TPM 팀의 하루 엿보기: 고객을 사로잡는 비법 공개
QueryPie TPM팀은 고객과 파트너의 기술 문제 해결 및 비즈니스 연속성을 위한 24시간 지원 체계를 운영합니다.
TPM팀QueryPie고객 지원On-Call비즈니스 연속성
2024. 11. 22.
QueryPie
개인정보 유출: 내부에서 시작된 작은 틈, 데이터 재앙으로 번지다
개인정보 유출의 심각성을 강조하고, 쿼리파이 DAC가 GDPR, CCPA, PIPL 등 주요 법규 준수를 통해 데이터 보호를 지원하는 방안을 실제 사례와 함께 설명합니다.
개인정보 유출데이터 보안쿼리파이DACGDPR
2024. 11. 22.
QueryPie
개인정보 보호·관리의 新 조력자: Data Discovery
Data Discovery는 AI와 자동화를 통해 개인정보를 효율적으로 식별, 관리하여 기업의 정보보호 수준을 향상시키는 솔루션이다.
Data Discovery개인정보보호AI정규식자동화
2024. 11. 22.
QueryPie
트랜잭션리스, 완벽한 CDC(Change Data Capture) 시스템 구축법
QueryPie는 QSI를 활용한 트랜잭션리스 CDC 시스템을 통해 DBMS 부하를 줄이고 성능, 유연성, 확장성을 높였습니다.
CDC트랜잭션QSI쿼리 시뮬레이션데이터베이스
2024. 11. 22.
QueryPie
QueryPie가 제시하는 모의해킹의 새로운 기준
QueryPie는 다계층 보안, 모의 해킹 프레임워크, DevSecOps 통합을 통해 PAM 솔루션의 보안을 강화하고 고객 신뢰를 구축합니다.
모의해킹Red TeamDevSecOps보안PAM
2024. 11. 22.
QueryPie