임베디드 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 -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. 이전 1 다음 반응형
