머신러닝 최적화2 [머신러닝 공부] Tiny ML -21 / 최적화 문제 Chapter21. 최적화 문제 " Tiny ML + 임베디드에서 최적화 문제는 무엇인가? " 목차 : 최적화 문제가 필요할까? 방법 1 - 하드웨어 변경 방법 2 - 모델 개선 방법 3 - 양자화 방법 4 - 제품 설계 방법 5 - 코드 최적화 방법 6 - 연산 최적화 1. 최적화 문제가 필요할까? 원활한 사용환경을 제공하기 위해 현업에서도 어떤 프로젝트를 하던간에 최적화는 꼭 필요하다. 특히 TinyML + 임베디드 기기는 컴퓨팅파워가 높지 않기 때문에 병목현상이 생길 수 있다. 더 성능이 좋은 모델을 돌리지 못하는 한계점이 있을 수 밖에 없는데.. 이를 어떻게 극복하는지 알아보자. 방법 1 - 하드웨어 변경 우선적으로 고려해볼 사항은 하드웨어 사양을 올릴 수 있는가 이다. 개발중일 때는 비용과 시간.. 2022. 5. 7. [머신러닝 공부] 10. 경사하강법 2 머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다. 원문 출처 : brunch.co.kr/@linecard/447 앤드류 응의 머신러닝 (2-6):경사 하강법 이해 온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org brunch.co.kr Optimization 즉 최적화 기법 중 Gradient Descent (경사하강법) 이다. 이를 다시 세분화하여 BGD(Batch Gradient descent), SGD(Stochastic Gradient Descen.. 2021. 2. 6. 이전 1 다음 반응형
