아뇨 대근님을 보고 싶다구요 ㅋㅋ

얼굴이라도 비춰달라 해줘요 ㅠㅠ

제가 이해할 수 있는 부분은 딥러닝은 정확도보단 빠른 처리가 중요하다는 것인데, 이해할 수 없는 부분은 왜 부동소수점이 아니라 정수를 쓰느냐입니다. 반정밀도와 INT8의 관계에 대해 말씀해주시면 좋겠습니다.

이건 마치 총론도 못 배운 사람에게 각론을 가르치는 일이니 한국어로 말씀해주시면 감사하겠습니다. ㅠㅠ 쌀로 밥 짓는 소리 같이 보이시겠지만 저는 쌀이 뭔지도 몰라요.

일단 정수형 자체가 부동소수점 실수보다는 빠릅니다.
또한 정수형 또한 고정소수점으로 실수를 표현할 수 있습니다.
3.141592를 표현하기 위해 정수로 3,141,592 라는 수를 표현하기 위해 여러가지 방법이 있지만 한가지 방법으로 3141592/1000000 꼴의 방법으로 처리할 수 있습니다.
이 방법은 대신 표현할 수 있는 정확도의 손실 등 단점이 있지만 어쨌든 컴퓨터가 보기에는 저장된 수 자체는 그냥 정수나 다름 없기에 빠른 처리가 가능합니다. 컴퓨터 그래픽에서 예로 든 half-float의 경우 4바이트만을 사용해서 lim(n->-inf) - 0 - lim(n->inf) 꼴의 실수를 표현하는 방법이고 이보다 더 작은 크기로 1바이트, int8 과 같은 자료 크기를 가지고 있는 minifloat 또한 실수를 표현하는데 사용할 수 있습니다.

다만 float 은 표현할 수 있는 수 자체에 한계가 있는데다, 부동소수점을 표현하는데 있어 비트 크기가 줄어들수록 수의 정확도가 감소하게 됩니다.

By brf - Own work, Public Domain, https://commons.wikimedia.org/w/index.php?curid=821291

​

첨부된 위에서 링크된 문서의 정수를 사용한 고정소수점 에서 상황에 따라 int8과 같은 크기인 minifloat을 사용한 자료형의 정확도 비교에서 더 낮은 비트 크기를 가지고도 동적형 고정 소수점 표기가 더 높은 정확도를 보여줌으로써, 속도와 신뢰도 둘을 잡을 수 있기에 float 대신 int형 수 표현을 선택한 것으로 보입니다.

설명하는데 별 재주가 없는데 도움이 되셨으면 좋겠습니다.

​