신경망 저장 포맷 편집하기 (부분)

==개요==
신경망 모델을 저장하고 불러오는 과정은 머신러닝·딥러닝 워크플로우에서 매우 중요한 부분으로, 학습이 완료된 뒤 예측(inference)이나 추가 학습(finetune)을 위해 모델을 디스크에 저장하고 재사용하는 방식이 일반적이다.  저장 방식은 단순히 가중치만 담는 것부터, 모델 구조까지 포괄하는 것, 여러 프레임워크 간 호환을 고려한 교환형 포맷까지 다양하다.  저장 포맷을 선택할 때 고려해야 할 요소로는 다음과 같다.
*저장되는 내용: 모델 구조, 가중치, 옵티마이저 상태, 메타데이터 등
*포맷의 범용성 또는 특정 프레임워크 종속성
*크기 및 로딩 속도(예: 대형 언어모델의 경우 메모리 매핑 가능성)
*보안 및 불러올 때 실행코드가 없는 안전성 여부
*하드웨어 배포 또는 모바일·엣지 환경에 적합한지