
131
2
모델에서 제품까지
인프라의 구축(무서운 부분)까지를 포함합니다. 증가하는 트래픽 요청에 맞춰 계산을 처리하는 기계의 수를 자
동으로 늘리고, 대규모 입력 및 출력을 안정적으로 저장하는 스토리지를 확보하며, 처리 과정을 피드백해주는
알림 등을 모두 신경 써야 하죠. 요즘 애플은 기기에서 효율적으로 구동되도록 모델을 변환하는
API
를 제공합
니다. 또한
iOS
기기 대다수는 머신러닝에 특화된 하드웨어를 탑재한다는 점도 새로 만들 모델의 배포 전략에
함께 고려해야 합니다. 그렇다고 해도 여전히 쉬운 작업은 아니지만, 더 빠른 사용자 경험을 제공하면서 서버
와 관련한 걱정거리를 덜 수 있다는 점에서 좋습니다. 가장 적합한 방법은 여러분이 만들려는 사용자 경험, 구
현의 복잡성 등 현실적인 상황에 따라 다릅니다. 즉, 서버를 잘 다룬다면 서버를 활용하고, 모바일 앱을 잘 구
축한다면 모바일 앱에 모델을 심으면 됩니다. 목적지까지 가는 길은 여러 가지입니다.
이런 이유로 되도록
CPU
기반의 서버를 사용하기를 권장합니다. 여러분이 만든 애플리케이션
이 성공을 거두어 수요가 증가한다면, 이때 더 복잡한 배포 방식에 투자하면 됩니다.
축하합니다. 성공적으로 딥러닝 모델을 만들어 배포했습니다! 이제는 잠시 진행을 멈추고 어떤
문제가 발생할 수 있을지 고민해보기에 ...