신경망 저장 포맷 편집하기 (부분)

==주요 저장 포맷==
아래에 대표적인 저장 포맷들을 정리한다.
===ONNX (Open Neural Network Exchange)===
*마이크로소프트와 페이스북이 공동 개발한, 다양한 딥러닝 프레임워크 간 모델 상호운용성을 목표로 한 개방형 포맷이다.<ref>https://onnx.ai</ref>
*모델 구조와 연산자(operator), 가중치를 프로토콜버퍼(Protobuf) 형식으로 기술한다.
*프레임워크 종속성이 낮아 다른 라이브러리나 배포환경으로 모델을 옮기기 쉬운 장점이 있다.
*다만 커스텀 연산(custom op)이나 프레임워크 고유 구조가 많을 경우 변환이 어렵거나 지원이 미흡할 수 있다.
===NNEF (Neural Network Exchange Format)===
*Khronos Group이 제정한 신경망 데이터 교환 포맷으로, 학습된 신경망을 하나의 독립된 포맷으로 기술하여 다양한 플랫폼에서 추론(inference)을 가능하게 한다.<ref>https://www.khronos.org/nnef</ref>
*네트워크 구조, 연산, 파라미터(가중치)를 기술하며, 다양한 툴 및 라이브러리 상호 변환(conversion) 기능이 존재한다.
*아직 ONNX에 비해 사용 범위가 상대적으로 적지만, 하드웨어·기기 독립적 모델 배포 측면에서 의미 있는 선택지다.
===프레임워크 고유 저장 형식===
다음은 특정 프레임워크에서 사용되는 대표적 저장 포맷이다.
;TensorFlow 체크포인트(.ckpt)
:TensorFlow에서는 학습 중간 또는 완료 상태를 저장하기 위해 체크포인트 방식(.ckpt)으로 저장한다. 이 방식은 여러 파일(.data, .index, .meta 등)로 구성될 수 있다.
:배포용으로는 구조와 가중치를 포함한 SavedModel 형태로 변환하여 사용한다.

;Keras HDF5(.h5)
:Keras 모델은 구조, 가중치, 옵티마이저 상태를 하나의 HDF5 파일(.h5)로 저장한다.
:과거에는 표준적인 방법이었으나, 대형 모델에서는 다른 포맷이 더 효율적일 수 있다.

;PyTorch .pt / .pth
:PyTorch는 모델의 상태 딕셔너리(state_dict)를 `.pt` 또는 `.pth` 확장자로 저장한다.
:파이썬 `pickle` 직렬화를 사용하기 때문에 외부 파일 로딩 시 보안상 주의가 필요하다.
===최근 등장 및 특수 목적 포맷===
*safetensors – Hugging Face에서 제안한 포맷으로, pickle 기반의 위험성을 제거하고 텐서만을 빠르게 로딩할 수 있도록 설계되었다. 모델 구조는 별도로 정의해야 한다.
*GGUF – 대형 언어모델용 포맷으로, 메타데이터·토크나이저·텐서 등을 한 파일에 담는다. LLaMA 등 여러 언어모델에서 채택되고 있다.