
784
2
부
신경망과 딥러닝
만약 여러분의 모델이 변화에 빠르게 적응해야 하는 종류라면 긴 훈련 시간은 장애물이 될 수
있습니다 (예를 들어, 지난 주 뉴스를 추천하는 새로운 추천 시스템을 생각해보세요). 훈련 시
간이 길어지면 새로운 아이디어를 실험하지 못하게 될 수 있고 이는 꽤 중요한 문제입니다.
(다른 많은 분야와 마찬가지로) 머신러닝에서는 어떤 아이디어가 좋은 성과를 낼지 미리 알기
어렵습니다. 따라서 가능한 한 빨리 많은 시도를 해보아야 합니다. 훈련 속도를 높이는 한 방법
은
GPU
나
TPU
와 같은 하드웨어 가속기를 사용하는 것입니다. 하드웨어 가속기를 여러 개 가
진 서버를 여러 대 가지고 모델을 훈련하면 더 빨리 훈련할 수 있습니다. 간단하지만 강력한 텐
서플로의 분산 전략
distribution
strategies
API
를 사용하면 이를 쉽게 구현할 수 있습니다.
이 장에서
TF
서빙과 구글 클라우드
AI
플랫폼에 모델을 배포하는 방법을 살펴보겠습니다. 모
바일 앱, 임베디드 기기, 웹 앱에 모델 배포하는 방법도 간단히 둘러보겠습니다. 마지막으로
GPU
를 사용해 계산 속도를 높이는 방법과 분산 전략
API
를 사용해 여러 대의 서버와 장치에
서 모델을 훈련하는 방법을 알아보겠습니다. 설명할 것이 많네요. 그럼 시작해보죠!
19.1
텐서플로 모델 서빙 ...