딥러닝 프레임워크가 필요한 이유는?

1. 딥러닝 프레임워크와 기존의 ml 과 다른건 연산량 

잘라가는 딥러닝 모델의 스펙은.. 웬만하면 수십억개 

물론 경우에 따라서 다르지만 연산량은 어마어마하다 

 

 

2. 성능이 안나온다 , 데이터가 부족해서?

더이상 쓸 방법이 없을떄,, 의심해보곤 하는데 

 

학습시켜야 할 파라미터가 많으면 당연히 학습 시킬 데이터도 많은 것이다 

 

3. 결국 데이터 연산량이 많다 !

수학적으로 풀기 힘든 문제들을 해결하기 위해 딥러닝을 사용하는데 ... 

텍스트, 사운드, 이미지 

 

 

 

1960년대 나왔던 아이디어가 2014년 쯤 부흥하게 된 이유도 .. 연산 성능의 개선 

 

그리고 분산  ( 병렬 / 동시 ) 처리의 개념으로 가능해짐 

 

 

CPU의 ALU 가 당연히 성능이 좋고, GPU는 그에 비해서 부족하다 

원래 graphic unit은 렌더링 하는 목적이지만, 분산처리가 용이했다. 

그런 구조의 일들을 해왔다. 

 

그렇다면 GPU로 딥러닝을 돌리자!! 

 

딥러닝을 gpu로 돌리자!!를 쉽게 돌리게 할 수 있는 도구가 딥러닝 프레임워크인 것이다. 

 

세상에는 파이토치, 텐서플로우, 케라스 말고도 굉장히 많은 프레임 워크들이 있지만, 

어떤 툴이든 간에 중요한 건 4가지만 할 줄 알면 된다 (기본) 

모든 딥러닝 프레임워크든 원리는 똑같기 때문이다. 

 

1. 텐서 생성하고 다루기 

2. 연산량 ( 모델을 어떻게 연결할 것인가 )

3. 최적화 ( 미분 )

4. 데이터 다루기 ( 프레임 워크마다 다루는 명령어가 다르니 ) 

+ 모델 파일 저장 

+ 학습과정 모니터링