자율주행차 회사가 SageMaker에서 PyTorch를 사용하여 전이 학습으로 객체 탐지 모델을 훈련했습니다. 차량은 컴퓨팅 및 배터리가 제한적이므로, 회사는 정확도를 크게 손상시키지 않으면서 모델 크기와 런타임을 줄여야 합니다. 모델의 계산 효율성을 향상시킬 접근 방식은 무엇입니까?

SageMaker Debugger는 훈련 중 모델의 내부 텐서(가중치, 기울기, 편향, 활성화 등)를 모니터링하고 분석할 수 있는 도구입니다. 이를 통해 필터 중요도를 계산하고 중요도가 낮은 필터를 가지치기하여 모델 크기와 런타임을 줄일 수 있습니다. 가지치기 후에는 모델을 재훈련하여 정확도 손실을 최소화합니다. 이는 모델의 계산 효율성을 높이는 효과적인 방법입니다. CloudWatch 지표는 일반적인 시스템 지표를 모니터링하지만, 모델 내부 텐서 분석에는 적합하지 않습니다. SageMaker Ground Truth는 데이터 레이블링 도구이며, 모델 최적화와는 직접적인 관련이 없습니다. SageMaker Model Monitor는 배포된 모델의 성능 편차를 감지하는 데 사용되며, 훈련 중 모델 최적화에는 사용되지 않습니다.