From 342104c3fa611c48bcc2e082f0f6765f09378a12 Mon Sep 17 00:00:00 2001 From: wnsx0000 Date: Sat, 4 Oct 2025 17:28:08 +0900 Subject: [PATCH 1/2] edit 16-17 --- intermediate_source/pruning_tutorial.py | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/intermediate_source/pruning_tutorial.py b/intermediate_source/pruning_tutorial.py index d7ef299a4..8084dab07 100644 --- a/intermediate_source/pruning_tutorial.py +++ b/intermediate_source/pruning_tutorial.py @@ -13,8 +13,8 @@ 개개인이 사용하고 있는 기기에서 연산을 수행하여 프라이버시를 보장할 수 있기 때문입니다. 연구 측면에서는, 가지치기 기법은 굉장히 많은 수의 파라미터값들로 구성된 모델과 굉장히 적은 수의 파라미터값들로 구성된 모델 간 학습 역학 차이를 조사하는데 주로 이용되기도 하며, -하위 신경망 모델과 파라미터값들의 초기화가 운이 좋게 잘 된 케이스를 바탕으로 -("`lottery tickets `_") 신경망 구조를 찾는 기술들에 대해 반대 의견을 제시하기도 합니다. +소거 기반 신경망 구조 탐색의 일환으로 하위 신경망 모델과 파라미터 값들의 초기화가 운이 좋게 잘 된 +케이스의 ("`lottery tickets `_") 역할을 연구하기도 합니다. 이번 튜토리얼에서는, ``torch.nn.utils.prune`` 을 사용하여 여러분이 설계한 딥러닝 모델에 대해 가지치기 기법을 적용해보는 것을 배워보고, 심화적으로 여러분의 맞춤형 가지치기 기법을 구현하는 방법에 대해 배워보도록 하겠습니다. From 8097b9aeec2ca20135ba595e93abd3fbbe4a22c3 Mon Sep 17 00:00:00 2001 From: wnsx0000 Date: Sat, 25 Oct 2025 19:55:48 +0900 Subject: [PATCH 2/2] 14-17 fixed --- intermediate_source/pruning_tutorial.py | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/intermediate_source/pruning_tutorial.py b/intermediate_source/pruning_tutorial.py index 8084dab07..cb3556281 100644 --- a/intermediate_source/pruning_tutorial.py +++ b/intermediate_source/pruning_tutorial.py @@ -11,10 +11,10 @@ 모델의 정확도를 훼손하지 않으면서 모델에 포함된 파라미터 수를 줄여 압축하는 최적의 기법을 파악하는 것은 메모리, 배터리, 하드웨어 소비량을 줄일 수 있기 때문에 중요합니다. 그럼으로서 기기에 경량화된 모델을 배포하여 개개인이 사용하고 있는 기기에서 연산을 수행하여 프라이버시를 보장할 수 있기 때문입니다. -연구 측면에서는, 가지치기 기법은 굉장히 많은 수의 파라미터값들로 구성된 모델과 -굉장히 적은 수의 파라미터값들로 구성된 모델 간 학습 역학 차이를 조사하는데 주로 이용되기도 하며, -소거 기반 신경망 구조 탐색의 일환으로 하위 신경망 모델과 파라미터 값들의 초기화가 운이 좋게 잘 된 -케이스의 ("`lottery tickets `_") 역할을 연구하기도 합니다. +연구 측면에서는, 가지치기 기법은 굉장히 많은 수의 파라미터 값들로 구성된 모델과 +굉장히 적은 수의 파라미터 값들로 구성된 모델 간 학습 역학 차이를 조사하는데 주로 이용되기도 하며, +하위 신경망 모델과 파라미터 값들의 초기화가 운이 좋게 잘 된 케이스("`lottery tickets `_")를 +파괴적 신경망 구조 탐색 관점에서 살펴보는 등 여러 연구 목적으로 사용합니다. 이번 튜토리얼에서는, ``torch.nn.utils.prune`` 을 사용하여 여러분이 설계한 딥러닝 모델에 대해 가지치기 기법을 적용해보는 것을 배워보고, 심화적으로 여러분의 맞춤형 가지치기 기법을 구현하는 방법에 대해 배워보도록 하겠습니다.