🌐 [i18n-KO] Updated ko/perf_train_special.md

docs/source/ko/_toctree.yml

@@ -140,7 +140,7 @@
     - local: perf_train_cpu
       title: CPU에서 훈련
     - local: perf_train_special
-      title: Apple 실리콘에서 PyTorch 학습
+      title: Apple 실리콘
     - local: in_translation
       title: (번역중) Intel Gaudi
     - local: perf_hardware

docs/source/ko/perf_train_special.md

@@ -1,4 +1,4 @@
-<!--Copyright 2022 The HuggingFace Team. All rights reserved.
+<!--Copyright 2024 The HuggingFace Team. All rights reserved.
 
 Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with
 the License. You may obtain a copy of the License at
@@ -13,51 +13,19 @@ rendered properly in your Markdown viewer.
 
 -->
 
-# Apple 실리콘에서 Pytorch 학습 [[PyTorch training on Apple silicon]]
+# Apple 실리콘[[apple-silicon]]
 
-이전에는 Mac에서 모델을 학습할 때 CPU만 사용할 수 있었습니다. 그러나 이제 PyTorch v1.12의 출시로 Apple의 실리콘 GPU를 사용하여 훨씬 더 빠른 성능으로 모델을 학습할 수 있게 되었습니다. 이는 Pytorch에서 Apple의 Metal Performance Shaders (MPS)를 백엔드로 통합하면서 가능해졌습니다. [MPS 백엔드](https://pytorch.org/docs/stable/notes/mps.html)는 Pytorch 연산을 Metal 세이더로 구현하고 이 모듈들을 mps 장치에서 실행할 수 있도록 지원합니다.
+Apple 실리콘(M 시리즈)은 통합 메모리 아키텍처를 기반으로 하여, 대규모 모델을 로컬 환경에서 효율적으로 학습할 수 있도록 설계되었습니다. 또한 데이터 접근 지연을 줄여 전반적인 성능 향상에 기여합니다. [Metal Performance Shaders (MPS)](https://pytorch.org/docs/stable/notes/mps.html)와의 통합 덕분에, PyTorch로 모델을 학습할 때 이러한 하드웨어적 이점을 그대로 활용할 수 있습니다.
 
-<Tip warning={true}>
+`mps` 백엔드를 사용하려면 macOS 12.3 이상 버전이 필요합니다.
 
-일부 Pytorch 연산들은 아직 MPS에서 지원되지 않아 오류가 발생할 수 있습니다. 이를 방지하려면 환경 변수 `PYTORCH_ENABLE_MPS_FALLBACK=1` 를 설정하여 CPU 커널을 대신 사용하도록 해야 합니다(이때 `UserWarning`이 여전히 표시될 수 있습니다). 
+> [!WARNING]
+> 일부 PyTorch 연산은 아직 MPS에서 구현되지 않았습니다. 오류를 방지하려면 환경 변수 `PYTORCH_ENABLE_MPS_FALLBACK=1`을 설정하여 CPU 커널로 대체 실행되도록 하세요. 다른 문제가 발생하면 [PyTorch](https://github.com/pytorch/pytorch/issues) 저장소에 이슈를 등록해 주세요.
 
-<br>
+[`TrainingArguments`]와 [`Trainer`]는 Apple 실리콘 기기를 감지하면, 자동으로 백엔드 디바이스를 `mps`로 설정하므로, 별도의 설정 없이 해당 기기에서 바로 학습을 진행할 수 있습니다. 
 
-다른 오류가 발생할 경우 [PyTorch](https://github.com/pytorch/pytorch/issues) 리포지토리에 이슈를 등록해주세요. 현재 [`Trainer`]는 MPS 백엔드만 통합하고 있습니다.
+`mps` 백엔드는 [분산 학습(distributed training)](https://pytorch.org/docs/stable/distributed.html#backends)을 지원하지 않습니다.
 
-</Tip>
+## 자료[[resources]]
 
-`mps` 장치를 이용하면 다음과 같은 이점들을 얻을 수 있습니다:
-
-* 로컬에서 더 큰 네트워크나 배치 크기로 학습 가능
-* GPU의 통합 메모리 아키텍처로 인해 메모리에 직접 접근할 수 있어 데이터 로딩 지연 감소
-* 클라우드 기반 GPU나 추가 GPU가 필요 없으므로 비용 절감 가능
-
-Pytorch가 설치되어 있는지 확인하고 시작하세요. MPS 가속은 macOS 12.3 이상에서 지원됩니다.
-
-```bash
-pip install torch torchvision torchaudio
-```
-
-[`TrainingArguments`]는 `mps` 장치가 사용 가능한 경우 이를 기본적으로 사용하므로 장치를 따로 설정할 필요가 없습니다. 예를 들어, MPS 백엔드를 자동으로 활성화하여 [run_glue.py](https://github.com/huggingface/transformers/blob/main/examples/pytorch/text-classification/run_glue.py) 스크립트를 아무 수정 없이 실행할 수 있습니다.
-
-```diff
-export TASK_NAME=mrpc
-
-python examples/pytorch/text-classification/run_glue.py \
-  --model_name_or_path google-bert/bert-base-cased \
-  --task_name $TASK_NAME \
-- --use_mps_device \
-  --do_train \
-  --do_eval \
-  --max_seq_length 128 \
-  --per_device_train_batch_size 32 \
-  --learning_rate 2e-5 \
-  --num_train_epochs 3 \
-  --output_dir /tmp/$TASK_NAME/ \
-  --overwrite_output_dir
-```
-
-`gloco`와 `nccl`과 같은 [분산 학습 백엔드](https://pytorch.org/docs/stable/distributed.html#backends)는 `mps` 장치에서 지원되지 않으므로, MPS 백엔드에서는 단일 GPU로만 학습이 가능합니다.
-
-Mac에서 가속된 PyTorch 학습에 대한 더 자세한 내용은 [Introducing Accelerated PyTorch Training on Mac](https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/) 블로그 게시물에서 확인할 수 있습니다.
+MPS 백엔드에 대한 자세한 내용은 [Introducing Accelerated PyTorch Training on Mac](https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/) 블로그 글에서 확인하실 수 있습니다.</file>