recipes_source/intel_neural_compressor_for_pytorch.rst 번역 (#1033)

* 번역: recipes_source/intel_neural_compressor_for_pytorch.rst 문서 번역 추가

* 수정: 시뮬레이션 기반 최신 연구 문구 명확화

* fix: 번역자 이름을 한글로 표기

* fix: 모델 불러오기 문장 명확화 및 용어 순화

Author: Brdy8294

recipes_source/intel_neural_compressor_for_pytorch.rst

@@ -1,50 +1,53 @@
-Ease-of-use quantization for PyTorch with Intel® Neural Compressor
+PyTorch에서 Intel® Neural Compressor를 활용한 손쉬운 양자화(Quantization)
 ==================================================================
 
-Overview
---------
+**번역**: `정휘수 <https://github.com/Brdy8294>`_
 
-Most deep learning applications are using 32-bits of floating-point precision for inference. But low precision data types, such as fp8, are getting more focus due to significant performance boost. A key concern in adopting low precision is mitigating accuracy loss while meeting predefined requirements.
+개요(Overview)
+--------------
 
-Intel® Neural Compressor aims to address the aforementioned concern by extending PyTorch with accuracy-driven automatic tuning strategies to help user quickly find out the best quantized model on Intel hardware.
+대부분의 딥러닝 애플리케이션은 추론(inference)을 위해 32비트 부동소수점(floating-point) 정밀도를 사용합니다.
+하지만 FP8과 같은 저정밀(low-precision) 데이터 타입은 성능 향상이 크기 때문에 점점 더 많은 주목을 받고 있습니다.
+저정밀 방식을 채택할 때의 핵심 과제는 정확도를 최대한 유지하면서도 사전 정의된 요구 사항을 충족하는 것입니다.
 
-Intel® Neural Compressor is an open-source project at `Github <https://github.com/intel/neural-compressor>`_.
+Intel® Neural Compressor는 PyTorch에 정확도 기반(accuracy-driven) 자동 튜닝(auto-tuning) 기법을 확장하여 이 문제를 해결하고, 사용자가 Intel 하드웨어에서 가장 적합한 양자화된 모델을 쉽게 찾을 수 있도록 돕습니다.
 
-Features
---------
+Intel® Neural Compressor는 오픈소스 프로젝트이며, `Github <https://github.com/intel/neural-compressor>`_ 에서 확인할 수 있습니다.
 
-- **Ease-of-use API:** Intel® Neural Compressor is re-using the PyTorch ``prepare``, ``convert`` API for user usage.
-
-- **Accuracy-driven Tuning:** Intel® Neural Compressor supports accuracy-driven automatic tuning process, provides ``autotune`` API for user usage.
+특징(Features)
+---------------
 
-- **Kinds of Quantization:** Intel® Neural Compressor supports a variety of quantization methods, including classic INT8 quantization, weight-only quantization and the popular FP8 quantization. Neural compressor also provides the latest research in simulation work, such as MX data type emulation quantization. For more details, please refer to `Supported Matrix <https://github.com/intel/neural-compressor/blob/master/docs/source/3x/PyTorch.md#supported-matrix>`_.
+- 사용이 간편한 API(Ease-of-use API): PyTorch의 ``prepare`` 및 ``convert`` API를 재사용해 쉽게 적용할 수 있습니다.
+- 정확도 기반 튜닝(Accuracy-driven Tuning): 정확도 기반 자동 튜닝 프로세스를 지원하며 ``autotune`` API를 제공합니다.
+- 다양한 양자화 방식(Kinds of Quantization): 고전적인 INT8 양자화, 가중치-전용(weight-only) 양자화, FP8 양자화를 지원합니다.
+  또한 시뮬레이션 기반의 최신 연구로, MX 데이터 타입 에뮬레이션(emulation) 양자화도 포함됩니다.
+  자세한 내용은 `Supported Matrix <https://github.com/intel/neural-compressor/blob/master/docs/source/3x/PyTorch.md#supported-matrix>`_ 를 참조하세요.
 
-Getting Started
----------------
+시작하기(Getting Started)
+---------------------------
 
-Installation
-~~~~~~~~~~~~
+설치(Installation)
+~~~~~~~~~~~~~~~~~~
 
 .. code:: bash
 
-    # install stable version from pip
+    # pip을 이용한 안정(stable) 버전 설치
     pip install neural-compressor-pt
 ..
 
-**Note**: Neural Compressor provides automatic accelerator detection, including HPU, Intel GPU, CUDA, and CPU. To specify the target device, ``INC_TARGET_DEVICE`` is suggested, e.g., ``export INC_TARGET_DEVICE=cpu``.
-
-
-Examples
-~~~~~~~~~~~~
+참고: Neural Compressor는 HPU, Intel GPU, CUDA, CPU 등 가속기를 자동 감지합니다.
+특정 디바이스를 지정하려면 환경변수 ``INC_TARGET_DEVICE`` 를 사용하세요(예: ``export INC_TARGET_DEVICE=cpu``).
 
-This section shows examples of kinds of quantization with Intel® Neural compressor
+예제(Examples)
+~~~~~~~~~~~~~~
 
-FP8 Quantization
-^^^^^^^^^^^^^^^^
+이 섹션에서는 Intel® Neural Compressor로 여러 종류의 양자화를 수행하는 예제를 보여줍니다.
 
-**FP8 Quantization** is supported by Intel® Gaudi®2&3 AI Accelerator (HPU). To prepare the environment, please refer to `Intel® Gaudi® Documentation <https://docs.habana.ai/en/latest/index.html>`_.
+FP8 양자화(FP8 Quantization)
+^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-Run the example,
+FP8 양자화는 Intel® Gaudi® 2 및 3 AI Accelerator(HPU)에서 지원됩니다.
+환경 설정 방법은 `Intel® Gaudi® Documentation <https://docs.habana.ai/en/latest/index.html>`_ 를 참조하세요.
 
 .. code-block:: python
 
@@ -58,37 +61,38 @@ Run the example,
     import torch
     import torchvision.models as models
 
-    # Load a pre-trained ResNet18 model
+    # 사전 학습된 ResNet18 모델 로드
     model = models.resnet18()
 
-    # Configure FP8 quantization
+    # FP8 양자화 설정
     qconfig = FP8Config(fp8_config="E4M3")
     model = prepare(model, qconfig)
 
-    # Perform calibration (replace with actual calibration data)
+    # 보정(calibration) 수행 (실제 보정 데이터로 교체)
     calibration_data = torch.randn(1, 3, 224, 224).to("hpu")
     model(calibration_data)
 
-    # Convert the model to FP8
+    # FP8 모델로 변환
     model = convert(model)
 
-    # Perform inference
+    # 추론 수행
     input_data = torch.randn(1, 3, 224, 224).to("hpu")
     output = model(input_data).to("cpu")
     print(output)
 
 ..
 
-Weight-only Quantization
-^^^^^^^^^^^^^^^^^^^^^^^^
+가중치-전용 양자화(Weight-only Quantization)
+^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-**Weight-only Quantization** is also supported on Intel® Gaudi®2&3 AI Accelerator. The quantized model could be loaded as below.
+가중치-전용 양자화 역시 Intel® Gaudi® 2 및 3 AI Accelerator에서 지원됩니다.
+양자화된 모델은 다음과 같이 로드할 수 있습니다.
 
 .. code-block:: python
 
     from neural_compressor.torch.quantization import load
 
-    # The model name comes from HuggingFace Model Hub.
+    # 모델 이름은 HuggingFace Model Hub에서 가져옵니다.
     model_name = "TheBloke/Llama-2-7B-GPTQ"
     model = load(
         model_name_or_path=model_name,
@@ -98,45 +102,55 @@ Weight-only Quantization
     )
 ..
 
-**Note:** Intel Neural Compressor will convert the model format from auto-gptq to hpu format on the first load and save hpu_model.safetensors to the local cache directory for the next load. So it may take a while to load for the first time.
+참고: Intel Neural Compressor는 처음 모델을 불러올 때 auto-gptq 형식을 HPU 형식으로 변환하고,
+다음에 불러올 수 있도록 로컬 캐시에 `hpu_model.safetensors` 파일을 저장합니다.
+따라서 첫 로드에는 시간이 다소 걸릴 수 있습니다.
 
-Static Quantization with PT2E Backend
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
+PT2E 백엔드 기반 정적 양자화(Static Quantization with PT2E Backend)
+^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-The PT2E path uses ``torch.dynamo`` to capture the eager model into an FX graph model, and then inserts the observers and Q/QD pairs on it. Finally it uses the ``torch.compile`` to perform the pattern matching and replace the Q/DQ pairs with optimized quantized operators.
+PT2E 경로는 ``torch.dynamo`` 로 Eager 모델을 FX 그래프 모델로 캡처하고,
+그 위에 관찰자(observers)와 Q/DQ 쌍을 삽입합니다.
+마지막으로 ``torch.compile`` 로 패턴 매칭을 수행하여 Q/DQ 쌍을 최적화된 양자화 연산자로 대체합니다.
 
-There are four steps to perform W8A8 static quantization with PT2E backend: ``export``, ``prepare``, ``convert`` and ``compile``.
+W8A8 정적 양자화 절차는 ``export`` → ``prepare`` → ``convert`` → ``compile`` 의 네 단계입니다.
 
 .. code-block:: python
 
    import torch
    from neural_compressor.torch.export import export
    from neural_compressor.torch.quantization import StaticQuantConfig, prepare, convert
 
-   # Prepare the float model and example inputs for export model
+   # float 모델과 예시 입력 준비
    model = UserFloatModel()
    example_inputs = ...
 
-   # Export eager model into FX graph model
+   # Eager 모델을 FX 그래프 모델로 내보내기
    exported_model = export(model=model, example_inputs=example_inputs)
-   # Quantize the model
+
+   # 모델 양자화
    quant_config = StaticQuantConfig()
    prepared_model = prepare(exported_model, quant_config=quant_config)
-   # Calibrate
+
+   # 보정(calibration)
    run_fn(prepared_model)
+
    q_model = convert(prepared_model)
-   # Compile the quantized model and replace the Q/DQ pattern with Q-operator
+
+   # Q/DQ 패턴을 Q-operator로 교체하며 컴파일
    from torch._inductor import config
 
    config.freezing = True
    opt_model = torch.compile(q_model)
 ..
 
-Accuracy-driven Tuning
-^^^^^^^^^^^^^^^^^^^^^^
-
-To leverage accuracy-driven automatic tuning, a specified tuning space is necessary. The ``autotune`` iterates the tuning space and applies the configuration on given high-precision model then records and compares its evaluation result with the baseline. The tuning process stops when meeting the exit policy.
+정확도 기반 자동 튜닝(Accuracy-driven Tuning)
+^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
+정확도 기반 자동 튜닝을 활용하려면 튜닝 공간(tuning space)을 명시해야 합니다.
+``autotune`` 은 튜닝 공간을 순회하며 지정된 고정밀(high-precision) 모델에 설정을 적용하고,
+기준선(baseline)과 비교해 평가 결과를 기록합니다.
+튜닝은 종료 정책(exit policy)에 도달하면 중단됩니다.
 
 .. code-block:: python
 
@@ -155,7 +169,7 @@ To leverage accuracy-driven automatic tuning, a specified tuning space is necess
    q_model = autotune(model, tune_config=tune_config, eval_fn=eval_fn)
 ..
 
-Tutorials
----------
+튜토리얼(Tutorials)
+-------------------
 
-More detailed tutorials are available in the official Intel® Neural Compressor `doc <https://intel.github.io/neural-compressor/latest/docs/source/Welcome.html>`_.
+자세한 튜토리얼은 Intel® Neural Compressor 공식 문서 `사이트 <https://intel.github.io/neural-compressor/latest/docs/source/Welcome.html>`_ 에서 확인할 수 있습니다.