ITPE * JackerLab

개요컨텍스트 스위칭(Context Switching)은 CPU가 여러 프로세스 또는 스레드 간에 실행 대상을 전환하는 과정에서 현재 상태를 저장하고 새로운 작업 상태를 로드하는 메커니즘을 의미한다. 운영체제(OS)의 멀티태스킹 환경에서 필수적인 기능이며, 시스템 성능과 직결되는 핵심 요소이다. 또한 개발 생산성 관점에서도 작업 간 전환으로 인한 인지적 비용(Cognitive Load)이 중요한 이슈로 다뤄진다.1. 개념 및 정의컨텍스트 스위칭은 실행 중인 프로세스 또는 스레드의 레지스터 상태, 프로그램 카운터, 스택 정보 등을 저장하고, 다른 작업의 상태를 복원하여 CPU가 새로운 작업을 수행하도록 하는 과정이다. 이는 선점형 멀티태스킹 환경에서 공정한 자원 분배를 위해 필수적으로 수행된다.2. 특징항목..

개요배치 정규화(Batch Normalization, BN)는 딥러닝 학습 과정에서 각 층의 입력 분포를 정규화하여 학습 속도를 향상시키고, 내부 공변량 변화(Internal Covariate Shift)를 완화하는 핵심 기술이다. 2015년 Ioffe와 Szegedy에 의해 제안된 이후, CNN, Transformer 등 다양한 모델에서 표준 기법으로 자리 잡았으며, 학습 안정성과 일반화 성능을 동시에 개선하는 데 기여한다.1. 개념 및 정의배치 정규화는 미니배치 단위로 입력 데이터의 평균(mean)과 분산(variance)을 계산하여 정규화(normalization)한 후, 학습 가능한 스케일(γ)과 시프트(β) 파라미터를 적용하는 방식이다. 이를 통해 각 레이어의 입력 분포를 일정하게 유지하여 학습..