site/ko/beta/guide/saved_model.ipynb edited.

edited based on a review.

site/ko/beta/guide/saved_model.ipynb

@@ -430,7 +430,7 @@
  "source": [
  "### 사용자 정의 모델 내보내기\n",
  "\n",
- "첫 번째 섹션에서는, `tf.saved_model.save`가 `tf.keras.Model` 객체에 대한 시그니처를 자동으로 결정했습니다. 이는 케라스의 `Model` 객체가 내보내기 위한 명확한 메서드와 알려진 입력 크기를 가지기 때문에 작동했습니다. `tf.saved_model.save`는 저수준(low-level) 모델 설계 API와도 잘 작동하지만, 모델을 텐서플로 서빙에 배포할 계획이라면 시그니처로 사용할 함수를 지정해야 합니다."
+ "첫 번째 섹션에서는, `tf.saved_model.save`가 `tf.keras.Model` 객체에 대한 시그니처를 자동으로 결정했습니다. 이는 케라스의 `Model` 객체가 내보내기 위한 명시적 메서드와 입력 크기를 가지기 때문에 작동했습니다. `tf.saved_model.save`는 저수준(low-level) 모델 설계 API와도 잘 작동하지만, 모델을 텐서플로 서빙에 배포할 계획이라면 시그니처로 사용할 함수를 지정해야 합니다."
  ]
  },
  {
@@ -563,9 +563,9 @@
  "id": "gvy3GFl4IfSW"
  },
  "source": [
- "`tf.keras.Model`과 `tf.Module`과 같은 객체에 포함된 함수와 변수는 가져올 때 사용할 수 있지만 많은 파이썬 유형과 속성은 잃어버립니다. 파이썬 프로그램 자체는 SavedModel에 저장되지 않습니다.\n",
+ "`tf.keras.Model`과 `tf.Module`과 같은 객체에 포함된 함수와 변수는 가져올 때 사용할 수 있지만 많은 파이썬의 타입과 속성은 잃어버립니다. 파이썬 프로그램 자체는 SavedModel에 저장되지 않습니다.\n",
  "\n",
- "내보내진 임의의 함수를 시그니처로 식별하지 못했기에 시그니처는 없습니다."
+ "내보낼 함수를 시그니처로 지정하지 못했기에 시그니처는 없습니다."
  ]
  },
  {
@@ -588,9 +588,9 @@
  "id": "BiNtaMZSI8Tb"
  },
  "source": [
- "## 내보낼 시그니처 식별하기\n",
+ "## 내보낼 시그니처 지정하기\n",
  "\n",
- "시그니처 함수가 있어야 함을 나타내려면 저장할 때 `signatures` 인수를 지정합니다."
+ "어떤 함수가 시그니처라는 것을 나타내려면 저장할 때 `signatures` 매개변수를 지정합니다."
  ]
  },
  {
@@ -614,7 +614,7 @@
  "id": "lHiBm-kdKBmG"
  },
  "source": [
- "첫 번째로 `tf.function`을 `get_concrete_function`과 `ConcreteFunction`으로 바꾼 점을 주목합시다. 이것은 함수가 고정된 `input_signature` 없이 만들어지고 함수와 연관된 `Tensor` 입력의 명확한 세트가 없었으므로 필수적입니다."
+ "먼저 `tf.function` 객체를 `get_concrete_function` 메서드를 사용해 `ConcreteFunction` 객체로 바꾸었습니다. 이것은 함수가 고정된 `input_signature` 없이 만들어지고 함수와 연관된 명시적인 `Tensor` 입력이 없었으므로 필수적입니다."
  ]
  },
  {
@@ -655,7 +655,7 @@
  "id": "_gH91j1IR4tq"
  },
  "source": [
- "하나의 시그니처를 내보냈고 그 키는 \"serving_default\"를 기본으로 설정했습니다. 여러 시그니처를 내보내려면 딕셔너리형으로 전달합니다."
+ "하나의 시그니처를 내보냈고 키는 기본값인 \"serving_default\"가 됩니다. 여러 시그니처를 내보내려면 딕셔너리로 전달합니다."
  ]
  },
  {
@@ -722,9 +722,9 @@
  "id": "WiNhHa_Ne82K"
  },
  "source": [
- "## 가져온 모델의 세부 사항 조정하기\n",
+ "## 가져온 모델 미세 튜닝하기\n",
  "\n",
- "변수 객체는 사용할 수 있으며 가져온 함수를 통해 역전파할 수 있습니다."
+ "변수 객체가 사용 가능하므로 imported 함수를 통해 역전파할 수 있습니다."
  ]
  },
  {
@@ -770,9 +770,9 @@
  "id": "qyL9tOPrg5Zw"
  },
  "source": [
- "## SavedModel의 흐름 제어\n",
+ "## SavedModel의 제어 흐름\n",
  "\n",
- "`tf.function`에 들어갈 수 있는 것은 모두 SavedModel에 들어갈 수 있습니다. [AutoGraph](./autograph.ipynb)에는 파이썬 흐름 제어 규칙으로 지정된 Tensors에 의존하는 조건부 논리가 포함됩니다."
+ "`tf.function`에 들어갈 수 있는 것은 모두 SavedModel에 들어갈 수 있습니다. [AutoGraph](./autograph.ipynb)를 사용하면 Tensor에 의존하는 조건부 논리를 파이썬 제어 흐름으로 표현할 수 있습니다."
  ]
  },
  {
@@ -856,7 +856,7 @@
  "id": "XJ4PJ-Cl4060"
  },
  "source": [
- "이 SavedModel은 텐서플로 서빙에 배포하는 데 유용한 직렬화된 `tf.Example` 프로토콜 버퍼를 허용합니다. 그러나 `tf.saved_model.load`로 불러오고 파이썬에서 실행할 수도 있습니다."
+ "이 SavedModel은 텐서플로 서빙에 배포하는 데 유용한 직렬화된 `tf.Example` 프로토콜 버퍼를 사용합니다. 그러나 `tf.saved_model.load`로 불러오고 파이썬에서 실행할 수도 있습니다."
  ]
  },
  {
@@ -899,7 +899,7 @@
  "id": "_IrCCm0-isqA"
  },
  "source": [
- "`tf.estimator.export.build_server_input_receiver_fn`는 `tf.train.Example`이 아닌 원시 텐서를 가지는 입력 함수를 생성할 수 있게 합니다."
+ "`tf.estimator.export.build_server_input_receiver_fn`를 사용해 `tf.train.Example`이 아닌 원시 텐서를 가지는 입력 함수를 만들 수 있습니다."
  ]
  },
  {
@@ -1155,13 +1155,6 @@
  "\n",
  "기존 출력 파일을 덮어 쓰려면 `--overwrite`를 사용하십시오."
  ]
- },
- {
- "cell_type": "code",
- "execution_count": null,
- "metadata": {},
- "outputs": [],
- "source": []
  }
  ],
  "metadata": {