12주 완성 AI 온디바이스 앱 실전 커리큘럼으로 돌아가기
Mobile & System•9 / 12주차
9주차 마일스톤약 9시간 소요난이도: 고급
모델 경량화 & 양자화 파이프라인(PyTorch ➔ ONNX ➔ TFLite)
Post-Training Quantization(PTQ), 가중치 가지치기(Pruning), FP32에서 INT8 양자화 및 정확도 손실 벤치마크
#Quantization#ModelCompression#PTQ#PyTorch
이번 주 핵심 학습 목표
- 1가중치 양자화(INT8, FP16)의 수학적 원리와 Scale/Zero-point 맵핑을 이해한다.
- 2PyTorch로 학습된 신경망 모델을 ONNX를 거쳐 TFLite 포맷으로 경량 변환한다.
- 3모델 크기를 75% 압축하면서도 정확도 저하를 1% 미만으로 유지하는 대표 데이터셋 캘리브레이션을 수행한다.
실전 학습 가이드 & 코드 워크스루
1. 양자화(Quantization)의 수학적 원리
부동소수점 FP32 실수 값을 8비트 정수 INT8 범위([-128, 127])로 매핑하는 공식입니다:
$q = \text{round}\left(\frac{r}{S}\right) + Z$
- r: 원래 실수 값 (Real Value)
- S: 스케일 팩터 (Scale Factor)
- Z: 영점 (Zero-Point)
이를 통해 모델 파일 크기가 정확히 4분의 1(25%)로 줄어들며, CPU의 SIMD 정수 벡터 연산(NEON) 및 NPU 가속을 극한으로 활용할 수 있습니다.
📂 이번 주차 학습 자료 & 실습 파일 다운로드
2개 파일 제공강의 교안 PDF, 실습 스타터 코드, 치트시트 등 학습에 필요한 자료를 별도로 열람하거나 다운로드하여 학습하세요.
9주차_핵심요약_치트시트.pdf
PDF•1.8 MB
9주차 핵심 이론 및 아키텍처 다이어그램 치트시트
9주차_실전_스타터코드.zip
ZIP•3.4 MB
Android Studio 프로젝트 템플릿 및 실습 코드 예제
실전 체크리스트 & 셀프 점검
0 / 4 완료직접 코드를 구현하고 테스트를 완료할 때마다 체크해 보세요. 브라우저에 자동 보관됩니다.
PyTorch torch.onnx.export() 스크립트 작성 및 Graph 최적화
TFLite Converter의 tf.lite.Optimize.DEFAULT 설정 적용
Representative Dataset Generator 함수로 완전 정수 양자화(Full INT8) 수행
변환 전후의 모델 용량(MB) 및 추론 정확도 비교 리포트 작성
ADVERTISEMENTfirststep.kr ad
1st
firststep.kr 12주 완성 실전 커리어 로드맵
파이썬, 소프트웨어설계, DB, 데이터과학, 딥러닝, LLM 9종 코스 100% 무료
공식 문서 & 추천 자료
12주 완성 AI 온디바이스 앱 실전 커리큘럼
[1주차] 코틀린(Kotlin) 핵심 언어 체계 & 안드로이드 런타임 이해[2주차] Jetpack Compose 기반 선언형 UI 기초 및 상태 관리[3주차] 로컬 경량 AI 모델(ONNX / MediaPipe) 구동 환경 세팅[4주차] 온디바이스 텍스트 & 임베딩 모델 인퍼런스 최적화[5주차] 실시간 컴퓨터 비전(MediaPipe) 객체 인식 & 포즈 추정[6주차] 안드로이드 NNAPI & GPU/NPU 하드웨어 가속기 연동[7주차] 로컬 벡터 DB(ObjectBox / SQLite-VSS) 기반 온디바이스 RAG 구축[8주차] 음성 인식(Whisper.tflite) & 온디바이스 음성 AI 어시스턴트[9주차] 모델 경량화 & 양자화 파이프라인(PyTorch ➔ ONNX ➔ TFLite)[10주차] 백그라운드 비동기 추론 & WorkManager 배터리 최적화[11주차] AI 앱 보안 & 모델 가중치 암호화(EncryptedSharedPreferences / NDK)[12주차] 독자적인 온디바이스 AI 앱 포트폴리오 완성 & 구글 플레이 배포