Accuracy Analysis of Module-wise Differential Pruning-Quantization Joint Compression for Improving Compression Efficiency for Transformer-based Models

최근 거대 모델의 컴퓨팅 및 메모리 요구량이 급격히 증가함에 따라 학습 및 추론 비용이 크게 늘고 있으며, 이를 해결하기 위한 모델 경량화 연구가 활발히 이루어지고 있다. 본 논문에서는 트랜스포머 구조 기반의 AI 모델의 압축 효율 향상을 위하여 모듈별 차등 프루닝과 균등 양자화를 결합한 압축기법에 대한 정확도 분석을 수행하였다. 제시한 결합 압축 기법을 트랜스포머 모델에 적용한 결과, Attention과 FFN 모듈 제거 비율 조정만으로 기존의 전역 프루닝 방식보다 높은 정보 보존이 가능하며, 모델 구조에 따라 우수한 성능을 보이는 비율이 다르다는 점을 확인하였다. 또한, 양자화 정도가 높아질수록 프루닝과 양자화 간의 상호보완적 효과가 강화되어 성능 저하를 완화할 수 있음을 확인하였다. 이를 통해 모듈의 특성을 반영한 결합 압축 기법이 모델의 정보 보존을 안정적으로 유지하면서 압축 효율을 극대화할 수 있는 기법임을 확인할 수 있었다.