설치 및 환경 구성 가이드
프로덕션 배포, 하드웨어 의존성 및 단말기 환경 프로비저닝 (AMEVA-Forge)
Release: 
v1.0.1
핵심 가치 제안 (Why It Matters)
별도의 CUDA/드라이버 설치 없이, 브라우저 표준 WebGPU 컴퓨트 셰이더 기반 순수 딥러닝 Autograd 엔진을 즉각 구동합니다.
1. 표준 패키지 매니저 설치
공식 배포 레지스트리 및 브라우저 스크립트 임포트를 통해 직접 실행할 수 있습니다:
# Python 공식 패키지 매니저 (GGUF 로더 & 텐서 브리지)
pip install ameva-forge
# HTML 브라우저 스크립트 직접 임포트 (Zero-Install WebGPU)
<script src="./dist/index.js"></script>2. 필수 런타임 환경 요구사항
브라우저 네이티브 GPU 연산 및 텐서 브리지를 위해 권장되는 환경 사양입니다:
| 런타임 구성요소 | 엔지니어링 도입 목적 (한 줄 명확한 사유) |
|---|---|
WebGPU Browser | Chrome 113+, Edge 113+, Safari 18+ (WGSL 셰이더 직접 연산) |
Python 3.9+ | pip install ameva-forge CLI 및 Pyodide 인터페이스 연동 |
Node.js 18+ | TypeScript 번들러 및 브라우저 개발 워크스페이스 환경 |
3. 브라우저 1줄 빠른 검증 코드
브라우저 콘솔에서 WebGPU 텐서 초기화 및 행렬곱(MatMul) 가속을 즉시 테스트할 수 있습니다:
import { Forge } from './dist/index.js';
const forge = await Forge.init({ device: 'webgpu' });
const a = forge.tensor([[1, 2], [3, 4]], { requiresGrad: true });
const b = forge.tensor([[5, 6], [7, 8]]);
const c = a.matmul(b);
c.backward();
console.log('Output Tensor:', c.data, 'Grad A:', a.grad);4. 패키지 단독 설치 vs 풀스택 자동화 설치 비교
| 설치 경로 | 런타임 실행 특성 | 제약사항 및 폴백 메커니즘 |
|---|---|---|
| 패키지 매니저 단독 설치 | 고수준 언어 바인딩 및 기본 CPU 추론 코어 위주 로딩. | 시스템 C++ 런타임 및 GPU 가속 드라이버가 수동 구성되어야 합니다. |
| 자동화 풀 패키지 설치 | Vulkan SPIR-V 셰이더 컴파일, 제로카피 IPC 셋업 및 실리콘 벤치마크 검증 완료. | 지연시간 최소화가 필요한 실제 프로덕션 워크로드에 적극 권장됩니다. |
5. 선택적 빌드 및 런타임 플래그 파라미터
| 옵션 파라미터 | 아키텍처 동작 및 하드웨어 효과 |
|---|---|
--enable-neon | ARM NEON 128비트 벡터 산술 연산 최적화 활성화 |
--enable-vulkan | GPU 가속을 위한 Vulkan 컴퓨트 셰이더 파이프라인 컴파일 |
--allocator= | 락리스 POSIX 공유 메모리 또는 시스템 malloc 선택 |