From 98f0344b86f7248d7c1126da5e6653a2fabe1498 Mon Sep 17 00:00:00 2001
From: jiho <62324197+jiho3004@users.noreply.github.com>
Date: Sun, 26 Nov 2023 23:09:47 +0900
Subject: [PATCH] =?UTF-8?q?prototype=5Fsource/torchscript=5Ffreezing.py=20?=
 =?UTF-8?q?=EB=B2=88=EC=97=AD=20=20(#788)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

prototype_source/torchscript_freezing.py 번역
---
 prototype_source/torchscript_freezing.py | 53 +++++++++++-------------
 1 file changed, 25 insertions(+), 28 deletions(-)

diff --git a/prototype_source/torchscript_freezing.py b/prototype_source/torchscript_freezing.py
index 3ca3227f4..dcf0afaa9 100644
--- a/prototype_source/torchscript_freezing.py
+++ b/prototype_source/torchscript_freezing.py
@@ -1,23 +1,24 @@
 """
-Model Freezing in TorchScript
+TorchScript로 모델 동결하기
 =============================
+번역 : `김지호 <https://github.com/jiho3004/>`_
 
-In this tutorial, we introduce the syntax for *model freezing* in TorchScript.
-Freezing is the process of inlining Pytorch module parameters and attributes
-values into the TorchScript internal representation. Parameter and attribute
-values are treated as final values and they cannot be modified in the resulting
-Frozen module.
+이 튜토리얼에서는, TorchScript로 *모델 동결* 하는 문법을 소개합니다. 
+동결은 파이토치 모듈의 매개변수와 속성 값들을 TorchScript 내부 표현으로 인라이닝(inlining)하는 과정입니다. 
+매개변수와 속성 값들은 최종 값으로 처리되며 동결된 모듈에서 수정될 수 없습니다.
 
-Basic Syntax
+기본 문법
 ------------
-Model freezing can be invoked using API below:
+
+모델 동결은 아래 API를 사용하여 호출할 수 있습니다:
 
  ``torch.jit.freeze(mod : ScriptModule, names : str[]) -> SciptModule``
 
-Note the input module can either be the result of scripting or tracing.
-See https://tutorials.pytorch.kr/beginner/Intro_to_TorchScript_tutorial.html
+입력 모듈은 스크립팅(scripting) 혹은 추적(tracing)을 사용한 결과입니다. 
+`TorchScript 소개 튜토리얼 <https://tutorials.pytorch.kr/beginner/Intro_to_TorchScript_tutorial.html>`_
+을 참조하세요.
 
-Next, we demonstrate how freezing works using an example:
+다음으로, 예제를 통해 동결이 어떤 방식으로 동작하는지 확인합니다:
 """
 
 import torch, time
@@ -58,17 +59,15 @@ def version(self):
 
 try:
     print(fnet.conv1.bias)
-    # without exception handling, prints:
+    # 예외 처리가 없을 시 'conv1' 이라는 이름과 함께 다음을 출력합니다.
     # RuntimeError: __torch__.z.___torch_mangle_3.Net does not have a field
-    # with name 'conv1'
 except RuntimeError:
     print("field 'conv1' is inlined. It does not exist in 'fnet'")
 
 try:
     fnet.version()
-    # without exception handling, prints:
+    # 예외 처리가 없을 시 'version' 이라는 이름과 함께 다음을 출력합니다.
     # RuntimeError: __torch__.z.___torch_mangle_3.Net does not have a field
-    # with name 'version'
 except RuntimeError:
     print("method 'version' is not deleted in fnet. Only 'forward' is preserved")
 
@@ -108,7 +107,7 @@ def version(self):
 print("Frozen    - Inference time: {0:5.2f}".format(end-start), flush =True)
 
 ###############################################################
-# On my machine, I measured the time:
+# 개인 머신에서 시간을 측정한 결과입니다:
 #
 # * Scripted - Warm up time:  0.0107
 # * Frozen   - Warm up time:  0.0048
@@ -116,19 +115,17 @@ def version(self):
 # * Frozen   - Inference time:  1.17
 
 ###############################################################
-# In our example, warm up time measures the first two runs. The frozen model
-# is 50% faster than the scripted model. On some more complex models, we
-# observed even higher speed up of warm up time. freezing achieves this speed up
-# because it is doing some the work TorchScript has to do when the first couple
-# runs are initiated.
+# 이 예제에서, 워밍업 시간은 최초 두 번 실행할 때 측정합니다.
+# 동결된 모델이 스크립트된 모델보다 50% 더 빠릅니다.
+# 보다 복잡한 모델에서는 워밍업 시간이 더욱 빨라집니다.
+# 최초 두 번의 실행을 초기화할 때 TorchScript가 해야 할 일의 일부를 동결이 하고 있기 때문에 속도 개선이 일어납니다. 
 #
-# Inference time measures inference execution time after the model is warmed up.
-# Although we observed significant variation in execution time, the
-# frozen model is often about 15% faster than the scripted model. When input is larger,
-# we observe a smaller speed up because the execution is dominated by tensor operations.
+# 추론 시간은 모델이 워밍업되고 난 뒤, 추론 시 실행 시간을 측정합니다.
+# 실행 시간에 많은 편차가 있기는 하지만, 대개 동결된 모델이 스크립트된 모델보다 약 15% 더 빠릅니다.
+# 실행 시간은 tensor 연산에 의해 지배되기 때문에 입력의 크기가 더 커지면 속도 개선 정도는 더 작아집니다.
 
 ###############################################################
-# Conclusion
+# 결론
 # -----------
-# In this tutorial, we learned about model freezing. Freezing is a useful technique to
-# optimize models for inference and it also can significantly reduce TorchScript warmup time.
+# 이 튜토리얼에서는 모델 동결에 대해 배웠습니다.
+# 동결은 추론 시 모델 최적화를 할 수 있는 유용한 기법이며 TorchScript 워밍업 시간을 크게 줄입니다.