설계(Design)
Quantization Hardware (양자화 하드웨어)
딥러닝 모델의 가중치와 활성화 값을 32비트 부동소수점(FP32)에서 8비트 정수(INT8) 또는 더 낮은 비트(INT4, INT1)로 변환(양자화)하여 연산을 수행하는 데 특화된 하드웨어 유닛입니다. 양자화는 모델의 크기와 메모리 사용량을 줄이고, 연산 속도와 전력 효율을 크게 향상시키지만, 정확도 손실을 최소화하는 것이 중요합니다. 따라서 양자화된 데이터를 효율적으로 처리하는 전용 ALU, 곱셈기, 누산기 등을 포함합니다.
최종 업데이트: 2026.04.04