최근 딥러닝 모델은 점점 더 커지고 있습니다.GPT 계열, Stable Diffusion 같은 모델들은 뛰어난 성능을 보여주지만, 너무 무겁다는 단점 또한 있습니다.메모리, 연산 자원, 배포 환경을 고려하면 연구실에서만 쓸 수 있는 모델이 되어버린다는 특징이 있다고 합니다.그래서 등장한 게 모델 경량화(Model Compression)와 최적화(Optimization) 기법입니다.이 글에서는 제가 이해한 범위에서 주요 기법들을 정리해 보겠습니다.왜 경량화가 필요한가?배포 환경 제약: 모바일, IoT, 엣지 디바이스는 대규모 GPU처럼 리소스가 충분하지 않음.실시간성: 챗봇이나 추천 시스템처럼 응답 속도가 중요한 경우, 모델을 가볍게 만들어야 함.비용 절감: 대형 모델은 학습·추론 비용이 크기 때문에, 경..