'PyTorch에서 추론(inference)을 위해 모델 저장하기 & 불러오기' 번역 (#71)

recipes_source/recipes/saving_and_loading_models_for_inference.py

@@ -1,34 +1,28 @@
 """
-Saving and loading models for inference in PyTorch
-==================================================
-There are two approaches for saving and loading models for inference in
-PyTorch. The first is saving and loading the ``state_dict``, and the
-second is saving and loading the entire model.
+PyTorch에서 추론(inference)을 위해 모델 저장하기 & 불러오기
+================================================================
 
-Introduction
+PyTorch에서는 추론(inference)을 위해 모델을 저장하고 불러오는데 2가지 접근법이
+있습니다. 첫번째는 ``state_dict`` 를 저장하고 불러오는 것이고, 두번째는 전체
+모델을 저장하는 것입니다.
+
+개요
 ------------
-Saving the model’s ``state_dict`` with the ``torch.save()`` function
-will give you the most flexibility for restoring the model later. This
-is the recommended method for saving models, because it is only really
-necessary to save the trained model’s learned parameters.
-When saving and loading an entire model, you save the entire module
-using Python’s
-`pickle <https://docs.python.org/3/library/pickle.html>`__ module. Using
-this approach yields the most intuitive syntax and involves the least
-amount of code. The disadvantage of this approach is that the serialized
-data is bound to the specific classes and the exact directory structure
-used when the model is saved. The reason for this is because pickle does
-not save the model class itself. Rather, it saves a path to the file
-containing the class, which is used during load time. Because of this,
-your code can break in various ways when used in other projects or after
-refactors.
-In this recipe, we will explore both ways on how to save and load models
-for inference.
-
-Setup
------
-Before we begin, we need to install ``torch`` if it isn’t already
-available.
+torch.save() 함수를 사용하여 모델의 ``state_dict`` 를 저장하면 이후에 모델을
+불러올 때 유연함을 크게 살릴 수 있습니다. 학습된 모델의 매개변수(parameter)만을
+저장하면되므로 모델 저장 시에 권장하는 방법입니다. 모델 전체를 저장하고 불러올
+때에는 Python의 `pickle <https://docs.python.org/3/library/pickle.html>`__ 모듈을
+사용하여 전체 모듈을 저장합니다. 이 방식은 직관적인 문법을 사용하며 코드의 양도
+적습니다. 이 방식의 단점은 직렬화(serialized)된 데이터가 모델을 저장할 때 사용한
+특정 클래스 및 디렉토리 구조에 종속(bind)된다는 것입니다. 그 이유는 pickle이
+모델 클래스 자체를 저장하지 않기 때문입니다. 오히려 불러올 때 사용되는 클래스가
+포함된 파일의 경로를 저장합니다. 이 때문에 작성한 코드가 다른 프로젝트에서
+사용되거나 리팩토링을 거치는 등의 과정에서 동작하지 않을 수 있습니다. 이 레시피에서는
+추론을 위해 모델을 저장하고 불러오는 두 가지 방법 모두를 살펴보겠습니다.
+
+설정
+----------
+시작하기 전에 ``torch`` 가 없다면 설치해야 합니다.
 
 
 ::
@@ -40,34 +34,34 @@
 
 
 ######################################################################
-# Steps
-# -----
-# 
-# 1. Import all necessary libraries for loading our data
-# 2. Define and intialize the neural network
-# 3. Initialize the optimizer
-# 4. Save and load the model via ``state_dict``
-# 5. Save and load the entire model
-# 
-# 1. Import necessary libraries for loading our data
+# 단계(Steps)
+# ------------
+#
+# 1. 데이터 불러올 때 필요한 라이브러리들 불러오기
+# 2. 신경망을 구성하고 초기화하기
+# 3. 옵티마이저 초기화하기
+# 4. ``state_dict`` 을 통해 모델을 저장하고 불러오기
+# 5. 전체 모델을 저장하고 불러오기
+#
+# 1. 데이터 불러올 때 필요한 라이브러리들 불러오기
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-# 
-# For this recipe, we will use ``torch`` and its subsidiaries ``torch.nn``
-# and ``torch.optim``.
-# 
+#
+# 이 레시피에서는 ``torch`` 와 여기 포함된 ``torch.nn`` 와 ``torch.optim` 을
+# 사용하겠습니다.
+#
 
 import torch
 import torch.nn as nn
 import torch.optim as optim
 
 
 ######################################################################
-# 2. Define and intialize the neural network
+# 2. 신경망을 구성하고 초기화하기
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-# 
-# For sake of example, we will create a neural network for training
-# images. To learn more see the Defining a Neural Network recipe.
-# 
+#
+# 예를 들어, 이미지를 학습하는 신경망을 만들어보겠습니다. 더 자세한 내용은
+# 신경망 구성하기 레시피를 참고해주세요.
+#
 
 class Net(nn.Module):
     def __init__(self):
@@ -93,76 +87,75 @@ def forward(self, x):
 
 
 ######################################################################
-# 3. Initialize the optimizer
+# 3. 옵티마이저 초기화하기
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-# 
-# We will use SGD with momentum.
-# 
+#
+# 모멘텀(momentum)을 갖는 SGD를 사용하겠습니다.
+#
 
 optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
 
 
 ######################################################################
-# 4. Save and load the model via ``state_dict``
-# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-# 
-# Let’s save and load our model using just ``state_dict``.
-# 
+# 4. ``state_dict`` 을 통해 모델을 저장하고 불러오기
+# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+#
+# 이제 ``state_dict`` 만 사용하여 모델을 저장하고 불러와보겠습니다.`
+#
 
-# Specify a path
+# 경로 지정
 PATH = "state_dict_model.pt"
 
-# Save
+# 저장하기
 torch.save(net.state_dict(), PATH)
 
-# Load
+# 불러오기
 model = Net()
 model.load_state_dict(torch.load(PATH))
 model.eval()
 
 
 ######################################################################
-# A common PyTorch convention is to save models using either a ``.pt`` or
-# ``.pth`` file extension.
-# 
-# Notice that the ``load_state_dict()`` function takes a dictionary
-# object, NOT a path to a saved object. This means that you must
-# deserialize the saved state_dict before you pass it to the
-# ``load_state_dict()`` function. For example, you CANNOT load using
-# ``model.load_state_dict(PATH)``.
-# 
-# Remember too, that you must call ``model.eval()`` to set dropout and
-# batch normalization layers to evaluation mode before running inference.
-# Failing to do this will yield inconsistent inference results.
-# 
-# 5. Save and load entire model
+# PyTorch에서는 모델을 저장할 때 ``.pt`` 또는 ``.pth`` 확장자를 사용하는 것이
+# 일반적인 규칙입니다.
+#
+# ``load_state_dict()`` 함수는 저장된 객체의 경로가 아닌, 사전 객체를 사용합니다.
+# 즉, 저장된 state_dict를 ``load_state_dict()`` 함수에 전달하기 전에 반드시
+# 역직렬화(deserialize)를 해야 합니다. 예를 들어, ``model.load_state_dict(PATH)``
+# 와 같이 사용할 수 없습니다.
+#
+# 또한, 추론을 실행하기 전에 ``model.eval()`` 을 호출하여 드롭아웃(dropout)과
+# 배치 정규화 층(batch normalization layer)을 평가(evaluation) 모드로 바꿔야한다는
+# 것을 기억하세요. 이것을 빼먹으면 일관성 없는 추론 결과를 얻게 됩니다.
+#
+# 5. 전체 모델을 저장하고 불러오기
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
-# 
-# Now let’s try the same thing with the entire model.
-# 
+#
+# 이제 전체 모델에 대해서 똑같이 해보겠습니다.
+#
 
-# Specify a path
+# 경로 지정
 PATH = "entire_model.pt"
 
-# Save
+# 저장하기
 torch.save(net, PATH)
 
-# Load
+# 불러오기
 model = torch.load(PATH)
 model.eval()
 
 
 ######################################################################
-# Again here, remember that you must call model.eval() to set dropout and
-# batch normalization layers to evaluation mode before running inference.
-# 
-# Congratulations! You have successfully saved and load models for
-# inference in PyTorch.
-# 
-# Learn More
-# ----------
-# 
-# Take a look at these other recipes to continue your learning:
-# 
-# - `Saving and loading a general checkpoint in PyTorch <https://pytorch.org/tutorials/recipes/recipes/saving_and_loading_a_general_checkpoint.html>`__
-# - `Saving and loading multiple models in one file using PyTorch <https://pytorch.org/tutorials/recipes/recipes/saving_multiple_models_in_one_file.html>`__
+# 여기서도 또한 model.eval()을 실행하여 드롭아웃(dropout)과 배치 정규화 층
+# (batch normalization layer)을 평가(evaluation) 모드로 바꿔야한다는
+# 것을 기억하세요.
+#
+# 축하합니다! 지금까지 PyTorch에서 추론을위한 모델을 성공적으로 저장하고 불러왔습니다.
+#
+# 더 알아보기
+# -------------
+#
+# 다른 레시피를 둘러보고 계속 배워보세요:
+#
+# - :doc:`/recipes/recipes/saving_and_loading_a_general_checkpoint`
+# - :doc:`/recipes/recipes/saving_multiple_models_in_one_file`