recipes_source/inference_tuning_on_aws_graviton.rst 번역#1129
Conversation
imyeyun
changed the title
|
긴 문서 번역하시느라 정말 수고 많으셨습니다! 전체적으로 적절히 잘 번역된 것으로 보입니다. 다만 제가 읽으며, 추가로 수정되면 번역의 완성도를 높일 수 있을 만한 부분을 몇 가지 발견하여 아래에 적어보았으니 오탈자 수정 PR에 참고하셔도 좋을 것 같습니다. line 8, 136, 317, 363: 영어에서는 소괄호를 앞 단어와 띄어쓰는 것과 다르게 한국어 표준어 규정에서는 소괄호는 앞, 뒤 단어에 붙여쓰도록 되어있습니다. 원문 그대로 소괄호와 단어를 띄어쓰는 것보다 문맥에 맞게 붙여쓰는 것이 적합할 것으로 생각됩니다. line 27, 136: 원문에 없는 슬래시()가 있으니 확인 후 지워주시는 것이 적절할 것으로 보입니다. line 35: '필요한 의존성을 가져온다'는 표현을 '필요한 라이브러리를 import한다'는 표현처럼 좀 더 직관적으로 바꾸면 좋을 것 같습니다. line 48, 69, 76: 백틱 외부 띄어쓰기는 표준어 규정에 따르므로, 백틱과 조사 사이 띄어쓰기를 삭제하는 것이 적합할 것으로 보입니다. 다만 다른 한글화 문서를 보았을 때 가시성을 위해 백틱과 뒤따르는 단어를 띄어쓰는 것이 널리 허용되는 면이 있고 PyTorch Korea 한국어 튜토리얼 번역 가이드라인 등을 조사해보니 마땅한 규정이 없는 것으로 보입니다. 온전히 오탈자로 보기 어려우나 여지가 있으므로 멘토님께 여쭤보고 추가 수정을 할지 결정해보면 좋을 것 같습니다. line 224, 317, 363: **와 뒤따르는 단어 사이 띄어쓰기를 삭제하는 것이 적절합니다. line 230: '강건한 휴리스틱'이라는 표현이 다소 번역투처럼 느껴져 안정적인 휴리스틱 정도로 표현하는 것이 어떨까 제안드립니다. 또한, 외래어 표기법에 의하면 shape는 한국어로 '쉐이프'라고 표기하는 것이 적절하므로 조사'을'을 '를'로 수정하는 것이 좋을 것 같습니다.
다른 부분은 잘 번역하신 것 같습니다. 다시 한 번 수고하셨습니다! |
|
@rlarbdus128-sys 자세한 답변 감사드립니다! 조언해주신 내용 수정 진행하겠습니다! 다만 백틱과 ** 을 뒤따르는 띄어쓰기는 백틱과 ** 이후에 붙여쓰게 되면 백틱과 볼드체가 적용되지 않아 띄어쓰기를 진행했습니다! 그리고 고속 연산 커널이라는 단어 좋은거같아 이 점 반영하여 우선 번역 진행하겠습니다! |
|
긴 문서 번역하시느라 고생 많으셨습니다. 아래는 이미 다른 분께서 남겨주신 리뷰와 겹치지 않는 부분 위주로 추가 제안드립니다. line 1에서 "AWS Gravition 프로세서"로 표기되어 있는데, 제품명은 "AWS Graviton"이므로 "AWS Graviton 프로세서"로 수정하는 것이 좋을 것 같습니다. line 10에서 "bfloa16"으로 표기되어 있는데, 문맥상 "bfloat16"의 오타로 보입니다. 코드 및 기술 용어이므로 "bfloat16"으로 수정하는 것이 적절해 보입니다. line 10의 "AWS Graviton3 CPUs"는 한국어 문장에서는 "AWS Graviton3 CPU"로 표현하는 것이 더 자연스러울 것 같습니다. line 369에서 "속도 향상을 보여주었으며배치 차원에 따른"은 띄어쓰기가 누락된 것으로 보입니다. "속도 향상을 보여주었으며, 배치 차원에 따른"과 같이 수정하면 문장이 더 자연스럽습니다. |
|
번역하느라 고생 많으셨습니다. 저도 최대한 다른 리뷰들과 겹치지 않게 수정사항을 제안드립니다. line 1에서 '(beta)'라 표기되어 있는데, 원문에는 '(Beta)'라 적혀있어 원문대로 '(Beta)'로 수정하는게 좋은 것 같습니다. line 369의 번역하시느라 수고 많으셨습니다! |
hyoyoung
left a comment
hyoyoung
left a comment
There was a problem hiding this comment.
긴 문서 번역하느라 수고하셨습니다.
전반적으로 잘되어있으나 몇가지 확인 사항이 있습니다.
| ====================================================================== | ||
|
|
||
| **Author**: `Sunita Nadampalli <https://github.com/snadampal>`_ | ||
| **저자**: `Sunita Nadampalli <https://github.com/snadampal>`_ |
|
|
||
|
|
||
| 3. Given linear layers are at the heart of several neural networks, including transformers, we take a linear layer for this demo. We define our neural network by subclassing ``nn.Module``, and initializing the layers in ``__init__``. We construct the network with a typical large language model parameters to match the real world scenario: | ||
| 3. 선형 계층은 트랜스포머를 포함한 여러 신경망의 핵심 요소이므로 이 데모에서는 선형 계층을 사용합니다. ``nn.Module`` 을 서브클래싱하고 ``__init__`` 에서 계층을 초기화하여 신경망을 정의합니다. 실제 환경에 가까운 시나리오를 만들기 위해 일반적인 대형 언어 모델 매개변수를 사용하여 네트워크를 구성합니다. |
There was a problem hiding this comment.
일반적인 대규모 언어 모델 규모의 매개변수 가 조금 더 자연스러울거 같습니다
| Predicted class: tensor([2]) | ||
|
|
||
| Our network functionality is verified. Next, we will profile the performance. Lets' check two different scenarios: small and large batch dimensions. | ||
| 네트워크의 기능이 검증되었습니다. 다음으로 성능을 프로파일링합니다. 작은 배치 차원과 큰 배치 차원, 두 가지 시나리오를 확인해 보겠습니다. |
There was a problem hiding this comment.
네트워크가 정상적으로 동작하는 것을 검증했습니다 정도로 순화 가능할거 같습니다.
| `AWS Graviton <https://aws.amazon.com/ec2/graviton/>`_ 은 AWS에서 설계된 ARM 기반 프로세서 시리즈입니다. AWS Graviton3 프로세서는 머신러닝(ML) 워크로드에 최적화 되어있으며 ``bfloat16``, Scalable Vector Extension (SVE) 그리고 Graviton2 대비 두 배의 Single Instruction Multiple Data(SIMD) 대역폭을 지원합니다. | ||
|
|
||
| PyTorch provides native reference ATen kernels for the machine learning operators like convolutions, matmul, relu, etc. These operators can be accelerated with platform specific kernel implementations from Basic Linear Algebra (BLAS) libraries. On AWS Graviton CPUs, MKLDNN with Arm Compute Library (`ACL <https://github.com/ARM-software/ComputeLibrary>`_) and `OpenBLAS <https://github.com/OpenMathLib/OpenBLAS>`_ libraries provide optimized implementations for a subset of the operators. Both these libraries are integrated into PyTorch with PyTorch 2.0 version. | ||
| PyTorch는 합성곱(convolution), matmul, relu 등 머신러닝 연산자를 위한 기본 참조 ATen 커널을 제공합니다. 이러한 연산자는 기초 선형대수학(BLAS, Basic Linear Algebra) 라이브러리에서 제공하는 플랫폼별 커널 구현을 통해 가속할 수 있습니다. AWS Graviton CPU에서는 MKLDNN과 Arm Compute 라이브러리(`ACL <https://github.com/ARM-software/ComputeLibrary>`_) 그리고 `OpenBLAS <https://github.com/OpenMathLib/OpenBLAS>`_ 라이브러리가 일부 연산자에 대해 최적화된 구현을 제공합니다. 두 라이브러리는 모두 PyTorch 2.0 버전부터 PyTorch에 통합되었습니다. |
There was a problem hiding this comment.
S의 약자는 Subprograms인데 원문에도 빠져있는거 같습니다 확인이 필요할거 같네요
5 participants
라이선스 동의
변경해주시는 내용에 BSD 3항 라이선스가 적용됨을 동의해주셔야 합니다.
더 자세한 내용은 기여하기 문서를 참고해주세요.
동의하시면 아래
[ ]를[x]로 만들어주세요.관련 이슈 번호
이 Pull Request와 관련있는 이슈 번호를 적어주세요.
이슈 또는 PR 번호 앞에 #을 붙이시면 제목을 바로 확인하실 수 있습니다. (예. #999 )
PR 종류
이 PR에 해당되는 종류 앞의
[ ]을[x]로 변경해주세요.PR 설명
recipes_source/inference_tuning_on_aws_graviton.rst 번역 진행하였습니다.