모델 최적화2 [머신러닝 공부] Tiny ML -23 / 모델, 바이너리 크기 최적화 Chapter23. 모델, 바이너리 크기 최적화 " 임베디드 플랫폼에서 ML 모델과 바이너리 크기를 최적화하려면? " 목차 : 시스템의 한계 메모리 사용 측정 다양한 문제들과 모델 모델 선택 실행파일 크기 줄이기 이전 포스팅 : [머신러닝 공부] Tiny ML -22 / 에너지 최적화 문제 Chapter22. 에너지 최적화 문제 " TinyML + 임베디드 장치에서의 에너지 소비를 줄이려면? " 목차 : 대략적인 감 잡기 전체 시스템 전력소모 측정 모델 전력 사용량 추정 전력소모 개선 임베디드 장치(M dbstndi6316.tistory.com 대부분 임베디드시스템의 읽기 전용 스토리지는 1MB 미만이며 SRAM이 512KB를 넘지 않는다. 워크스테이션에서 모델을 학습하거나 추론하며 32GB RAM이나 .. 2022. 5. 9. [머신러닝 공부] Tiny ML -22 / 에너지 최적화 문제 Chapter22. 에너지 최적화 문제 " TinyML + 임베디드 장치에서의 에너지 소비를 줄이려면? " 목차 : 대략적인 감 잡기 전체 시스템 전력소모 측정 모델 전력 사용량 추정 전력소모 개선 임베디드 장치(MCU)는 에너지를 거의 소비하지 않는다, 않아야 한다 는 특징이 있다. 그에 비해 서버CPU는 엄청난 전원이 필요하고, 스마트폰도 수 와트를 소비한다. 마이크로컨트롤러는 수밀리와트 미만의 전력으로 작동하여 작은 배터리로도 몇 개월~몇 년을 쓸수도 있다. 부하가 큰 작업을 한다면 불가능하니.. 전력사용량을 개선해야만 한다. 1. 대략적인 감 잡기 Network 요청은 RAM에서 정보를 읽는것보다 느리고 / SSD접근보다 HDD 접근이 더 느리다. 에너지 양에 대해서는 감이 없지만.. 이 감을 잡.. 2022. 5. 8. 이전 1 다음 반응형
