개요
딥러닝 모델 경량화를 위해 그래프 알고리즘인 MST를 적용하고, 파라미터 수 감소와 성능 유지 사이의 균형을 실험했습니다.
시사점
모델 구조를 단순히 줄이는 것이 아니라, 연결성과 중요도를 고려해 압축하는 관점을 학습한 프로젝트입니다.
기술 키워드
Model Compression Graph Algorithms PyTorch MST
자료
딥러닝 모델 경량화를 위해 그래프 알고리즘인 MST를 적용하고, 파라미터 수 감소와 성능 유지 사이의 균형을 실험했습니다.
모델 구조를 단순히 줄이는 것이 아니라, 연결성과 중요도를 고려해 압축하는 관점을 학습한 프로젝트입니다.