advanced_source/custom_ops_landing_page.rst 번역 수정

advanced_source/custom_ops_landing_page.rst

@@ -1,92 +1,57 @@
 .. _custom-ops-landing-page:
 
-PyTorch Custom Operators
 PyTorch 사용자 지정 연산자
 ===========================
 
-PyTorch offers a large library of operators that work on Tensors (e.g. ``torch.add``,
-``torch.sum``, etc). However, you may wish to bring a new custom operation to PyTorch
-and get it to work with subsystems like ``torch.compile``, autograd, and ``torch.vmap``.
-In order to do so, you must register the custom operation with PyTorch via the Python
-`torch.library docs <https://pytorch.org/docs/stable/library.html>`_ or C++ ``TORCH_LIBRARY``
-APIs.
-
-PyTorch는 Tensor에서 작동하는 대규모 연산자 라이브러리(예: ``torch.add``, ``torch.sum`` 등)를 제공합니다.
+PyTorch는 Tensor에서 동작하는 대규모 연산자 라이브러리(예: ``torch.add``, ``torch.sum`` 등)를 제공합니다.
 그러나 PyTorch에 새로운 사용자 지정 연산을 도입하여 ``torch.compile``, autograd 및 ``torch.vmap`` 와 같은 
-하위 시스템에서 작동하도록 할 수 있습니다. 
-이렇게 하려면 Python `torch.library docs <https://pytorch.org/docs/stable/library.html>`_ 문서 또는 
+서브시스템에서 동작하도록 할 수 있습니다. 
+이렇게 하려면, 파이썬 `torch.library docs <https://pytorch.org/docs/stable/library.html>`_ 문서 또는 
 C++ ``TORCH_LIBRARY`` API를 통해 PyTorch에 사용자 지정 연산을 등록해야 합니다.
 
 
-Authoring a custom operator from Python
-Python 에서 사용자 지정 연산자 작성
+파이썬에서 사용자 지정 연산자 작성
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-Please see :ref:`python-custom-ops-tutorial`.
 :ref:`python-custom-ops-tutorial`를 참조하십시오.
 
-You may wish to author a custom operator from Python (as opposed to C++) if:
-다음과 같은 경우 Python(C++와 반대)에서 사용자 지정 연산자를 작성할 수 있습니다.
-
-- you have a Python function you want PyTorch to treat as an opaque callable, especially with
-  respect to ``torch.compile`` and ``torch.export``.
-- PyTorch가 불투명한 호출 가능한 것으로 취급하려는 Python 함수가 있는데, 특히 다음과 같은 경우에는 더욱 그렇습니다.
-  ``torch.compile`` 및 ``torch.export``.
+다음과 같은 경우 파이썬(C++와 반대)에서 사용자 지정 연산자를 작성할 수 있습니다.
 
-- you have some Python bindings to C++/CUDA kernels and want those to compose with PyTorch
-  subsystems (like ``torch.compile`` or ``torch.autograd``)
-- C++/CUDA 커널에 대한 Python 바인딩이 있으며 PyTorch 하위 시스템
+- PyTorch가 불투명한 호출이 가능한 것으로 취급하려는 파이썬 함수가 있는데, 
+  특히 ``torch.compile`` 및 ``torch.export``과 같은 경우에는 더욱 그렇습니다.
+- C++/CUDA 커널에 대한 파이썬 바인딩이 있으며 PyTorch 서브시스템
   (예: ``torch.compile`` 또는 ``torch.autograd``)으로 구성되기를 원합니다.
-
 
-Integrating custom C++ and/or CUDA code with PyTorch
 사용자 지정 C++ 및/또는 CUDA 코드와 PyTorch 통합
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-Please see :ref:`cpp-custom-ops-tutorial`.
 :ref:`cpp-custom-ops-tutorial`를 참조하십시오.
 
-You may wish to author a custom operator from C++ (as opposed to Python) if:
-C++(Python과 반대)에서 사용자 지정 연산자를 작성할 수 있는 경우:
-- you have custom C++ and/or CUDA code.
-- 사용자 지정 C++ 및/또는 CUDA 코드가 있습니다.
-- you plan to use this code with ``AOTInductor`` to do Python-less inference.
-- 이 코드를 ``AOTInductor``와 함께 사용하여 Python 없는 추론을 수행할 계획입니다.
+C++(파이썬과 반대)에서 사용자 지정 연산자를 작성할 수 있는 경우:
+- 사용자 지정 C++ 및/또는 CUDA 코드를 가지고 있을 때
+- 이 코드를 ``AOTInductor``와 함께 사용하여 파이썬 없이 추론을 수행할 때
 
-The Custom Operators Manual
-사용자 지정 운영자 설명서
+사용자 지정 연산자 설명서
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^
 
-For information not covered in the tutorials and this page, please see
-`The Custom Operators Manual <https://docs.google.com/document/d/1_W62p8WJOQQUzPsJYa7s701JXt0qf2OfLub2sbkHOaU>`_
-(we're working on moving the information to our docs site). We recommend that you
-first read one of the tutorials above and then use the Custom Operators Manual as a reference;
-it is not meant to be read head to toe.
 튜토리얼과 이 페이지에서 다루지 않는 정보는 다음을 참조하시기 바랍니다.
 `The Custom Operators Manual <https://docs.google.com/document/d/1_W62p8WJOQQUzPsJYa7s701JXt0qf2OfLub2sbkHOaU>`_
 (정보를 문서 사이트로 옮기는 작업을 진행 중입니다.)
-위의 튜토리얼 중 하나를 먼저 읽은 다음 사용자 지정 운영자 설명서를 참조로 사용하는 것이 좋습니다;
-머리부터 발끝까지 읽어서는 안 됩니다.
+위의 튜토리얼 중 하나를 먼저 읽은 다음 사용자 지정 연산자 설명서를 참조로 사용하는 것이 좋습니다;
+처음부터 끝까지 읽어서는 안 됩니다.
 
-When should I create a Custom Operator?
-Custom Operator는 언제 생성해야 합니까?
+사용자 지정 연산자는 언제 생성해야 합니까?
 ---------------------------------------
-If your operation is expressible as a composition of built-in PyTorch operators
-then please write it as a Python function and call it instead of creating a
-custom operator. Use the operator registration APIs to create a custom operator if you
-are calling into some library that PyTorch doesn't understand (e.g. custom C/C++ code,
-a custom CUDA kernel, or Python bindings to C/C++/CUDA extensions).
 연산이 내장된 파이토치 연산자의 구성으로 표현할 수 있는 경우
-사용자 지정 연산자를 만드는 대신 Python 함수로 작성하여 호출하세요.
-다음과 같은 경우 운영자 등록 API를 사용하여 사용자 지정 연산자를 생성합니다.
+사용자 지정 연산자를 만드는 대신 파이썬 함수로 작성하여 호출하세요.
+다음과 같은 경우 연산자 등록 API를 사용하여 사용자 지정 연산자를 생성합니다.
 PyTorch가 이해하지 못하는 라이브러리(예: 사용자 지정 C/C++ 코드를 호출하는 경우,
-커스텀 CUDA 커널 또는 C/C++/CUDA 확장에 대한 Python 바인딩).
+커스텀 CUDA 커널 또는 C/C++/CUDA 확장에 대한 파이썬 바인딩).
 
-Why should I create a Custom Operator?
+사용자 지정 연산자를 만들어야 하는 이유는 무엇입니까?
 --------------------------------------
 
-It is possible to use a C/C++/CUDA kernel by grabbing a Tensor's data pointer
-and passing it to a pybind'ed kernel. However, this approach doesn't compose with
-PyTorch subsystems like autograd, torch.compile, vmap, and more. In order
-for an operation to compose with PyTorch subsystems, it must be registered
-via the operator registration APIs.
+Tensor의 데이터 포인터를 잡아 C/C++/CUDA 커널을 사용할 수 있습니다.
+그리고 이를 pybind 커널에 전달합니다. 그러나 이 접근 방식은
+autograd, torch.compile, vmap 등과 같은 PyTorch 서브시스템과는 구성되지 않습니다.
+PyTorch 서브시스템으로 작업을 구성하려면 연산자 등록 API를 통해 작업을 등록해야 합니다.