recipes_source/torch_logs.py 번역

beginner_source/torchtext_custom_dataset_tutorial.py

@@ -26,7 +26,8 @@
 * 문장에 변환 적용하기
 * 버킷 배치 처리
 
-다음 영어에서 독일어 번역을 수행할 수 있는 모델을 훈련하기 위해 데이터셋을 준비해야 한다고 가정해 보겠습니다.
+
+영어에서 독일어 번역을 수행할 수 있는 모델을 훈련하기 위해 데이터셋을 준비해야 한다고 가정해 보겠습니다.
 `Tatoeba Project <https://tatoeba.org/en>`_가 제공하는 탭으로 구분된 독일어-영어 문장 쌍을 사용하겠습니다.
 이 데이터는 `다운로드 링크 <https://www.manythings.org/anki/deu-eng.zip>`__ 에서 받을 수 있습니다.
 
@@ -83,7 +84,7 @@
 # 위의 코드 블록에서는 다음과 같은 작업을 수행하고 있습니다
 #
 # 1. 2번째 줄에서 파일 이름의 반복가능한 객체를 생성하고 있습니다
-# 2. 3번째 줄에서 해당 반복가능한 객체 `FileOpener`에 전달하고,
+# 2. 3번째 줄에서 해당 반복가능한 객체를 `FileOpener`에 전달하고,
 #    파일을 읽기 모드로 열게 됩니다.
 # 3. 4번째 줄에서 해당 파일을 파싱하는 함수를 호출합니다.
 #    해당 함수는 탭으로 구분된 파일의 각각 줄(row)이 있는 반복 가능한 튜플 객체를 리턴합니다.
@@ -330,7 +331,7 @@ def separateSourceTarget(sequence_pairs):
 # %%
 # 이제 원하는 데이터를 얻었습니다
 #
-# 페딩
+# 패딩
 # -------
 # 앞서 설명한 것처럼 어휘를 구축할 때, 배치에서 모든 시퀀스를 동일한 길이로 만들기 위해
 # 짧은 문장은 패딩하게 됩니다. 패딩은 다음과 같이 수행할 수 있습니다.

recipes_source/torch_logs.py

@@ -1,7 +1,8 @@
 """
-(beta) Using TORCH_LOGS python API with torch.compile
+(beta) torch.compile과 함께 TORCH_LOGS 파이썬 API 사용하기
 ==========================================================================================
-**Author:** `Michael Lazos <https://github.com/mlazos>`_
+**저자:** `Michael Lazos <https://github.com/mlazos>`_
+**번역:** `장효영 <https://github.com/hyoyoung>`_
 """
 
 import logging
@@ -10,29 +11,33 @@
 #
 # This tutorial introduces the ``TORCH_LOGS`` environment variable, as well as the Python API, and
 # demonstrates how to apply it to observe the phases  of ``torch.compile``.
+# 이 튜토리얼에서는 ``TORCH_LOGS`` 환경 변수와 함께 Python API를 소개하고,
+# 이를 적용하여 ``torch.compile``의 단계를 관찰하는 방법을 보여줍니다.
 #
 # .. note::
 #
-#   This tutorial requires PyTorch 2.2.0 or later.
+#   이 튜토리얼에는 PyTorch 2.2.0 이상 버전이 필요합니다.
 #
 #
 
 
 ######################################################################
-# Setup
+# 설정
 # ~~~~~~~~~~~~~~~~~~~~~
 # In this example, we'll set up a simple Python function which performs an elementwise
 # add and observe the compilation process with ``TORCH_LOGS`` Python API.
+# 이 예제에서는 요소별 덧셈을 수행하는 간단한 파이썬 함수를 설정하고
+# ``TORCH_LOGS`` 파이썬 API를 사용하여 컴파일 프로세스를 관찰해 보겠습니다.
 #
 # .. note::
 #
-#   There is also an environment variable ``TORCH_LOGS``, which can be used to
-#   change logging settings at the command line. The equivalent environment
-#   variable setting is shown for each example.
+#   명령줄에서 로깅 설정을 변경하는 데 사용할 수 있는
+#   환경 변수 ``TORCH_LOGS``도 있습니다. 각 예제에 해당하는
+#   환경 변수 설정이 표시되어 있습니다.
 
 import torch
 
-# exit cleanly if we are on a device that doesn't support torch.compile
+# torch.compile을 지원하지 않는 기기인 경우 완전히 종료합니다.
 if torch.cuda.get_device_capability() < (7, 0):
     print("Skipping because torch.compile is not supported on this device.")
 else:
@@ -45,52 +50,51 @@ def fn(x, y):
     inputs = (torch.ones(2, 2, device="cuda"), torch.zeros(2, 2, device="cuda"))
 
 
-# print separator and reset dynamo
-# between each example
+# 각 예제 사이의 구분 기호를 출력하고 dynamo를 reset합니다
     def separator(name):
         print(f"==================={name}=========================")
         torch._dynamo.reset()
 
 
     separator("Dynamo Tracing")
-# View dynamo tracing
+# dynamo tracing 보기
 # TORCH_LOGS="+dynamo"
     torch._logging.set_logs(dynamo=logging.DEBUG)
     fn(*inputs)
 
     separator("Traced Graph")
-# View traced graph
+# traced 그래프 보기
 # TORCH_LOGS="graph"
     torch._logging.set_logs(graph=True)
     fn(*inputs)
 
     separator("Fusion Decisions")
-# View fusion decisions
+# fusion decision 보기
 # TORCH_LOGS="fusion"
     torch._logging.set_logs(fusion=True)
     fn(*inputs)
 
     separator("Output Code")
-# View output code generated by inductor
+# inductor가 생성한 결과 코드 보기
 # TORCH_LOGS="output_code"
     torch._logging.set_logs(output_code=True)
     fn(*inputs)
 
     separator("")
 
 ######################################################################
-# Conclusion
+# 결론
 # ~~~~~~~~~~
 #
-# In this tutorial we introduced the TORCH_LOGS environment variable and python API
-# by experimenting with a small number of the available logging options.
-# To view descriptions of all available options, run any python script
-# which imports torch and set TORCH_LOGS to "help".
+# 이 튜토리얼에서는 사용 가능한 몇 가지 로깅 옵션을 실험하여
+# TORCH_LOGS 환경 변수와 Python API를 소개했습니다.
+# 사용 가능한 모든 옵션에 대한 설명을 보려면
+# 파이썬 스크립트에서 import torch를 실행하고 TORCH_LOGS를 "help"로 설정하세요.
 #
-# Alternatively, you can view the `torch._logging documentation`_ to see
-# descriptions of all available logging options.
+# 다른 방법으로는, `torch._logging 문서`_ 를 보면,
+# 사용 가능한 모든 로깅 옵션에 대한 설명을 확인할 수 있습니다.
 #
-# For more information on torch.compile, see the `torch.compile tutorial`_.
+# torch.compile에 관한 더 많은 정보는, `torch.compile 튜토리얼`_를 보세요.
 #
-# .. _torch._logging documentation: https://pytorch.org/docs/main/logging.html
-# .. _torch.compile tutorial: https://tutorials.pytorch.kr/intermediate/torch_compile_tutorial.html
+# .. _torch._logging 문서: https://pytorch.org/docs/main/logging.html
+# .. _torch.compile 튜토리얼: https://tutorials.pytorch.kr/intermediate/torch_compile_tutorial.html