Add troubleshooting doc for Korean emotion classification model training

troubleshooting/250808_happybell80_감정분류모델학습.md

@@ -0,0 +1,90 @@
+# 250808 한국어 감정 분류 모델 학습
+
+## 오후 5시 13분
+
+### 한국어 감정 분류 모델 학습 및 배포
+
+#### 배경
+- 로빙의 감정 인식 기능 필요
+- 한국어 텍스트에서 7가지 감정 분류 (공포, 놀람, 분노, 슬픔, 중립, 행복, 혐오)
+- KLUE-BERT 기반 모델 학습
+
+#### 작업 과정
+
+##### 1. 환경 구성
+- WSL2 환경에서 학습 진행
+- 하드웨어: i9-12900KF, RTX 3060 x2, CUDA 12.6
+- emotion_training 폴더 생성 후 training_emotion으로 변경
+- uv 패키지 매니저로 가상환경 구성
+
+##### 2. 데이터 준비
+**KOTE 데이터셋**
+- Hugging Face에서 다운로드
+- 6개 감정, 심각한 클래스 불균형
+- 학습 결과: F1 35.8%
+
+**AI Hub 데이터셋**
+- 한국어_단발성_대화_데이터셋.xlsx
+- 한국어_연속적_대화_데이터셋.xlsx
+- 38,594개 샘플, 7개 감정 균형 분포
+- 학습 결과: F1 56.3%
+
+##### 3. 주요 문제 해결
+
+**TrainingArguments 파라미터 변경**
+```python
+# 기존 (오류)
+evaluation_strategy="epoch"
+# 수정
+eval_strategy="epoch"
+```
+
+**compute_loss 시그니처 오류**
+```python
+# WeightedTrainer 클래스에 추가
+def compute_loss(self, model, inputs, return_outputs=False, num_items_in_batch=None):
+    # num_items_in_batch 파라미터 추가 필요
+```
+
+**Bash 타임아웃 문제 (중요)**
+- 기본 2분 타임아웃으로 학습 중단 반복
+- 사용자 피드백: "타임아웃은 .. 신발.."
+- 해결: 1시간 타임아웃 설정
+```bash
+# Claude Code에서 timeout 설정
+timeout=3600000  # 1시간
+```
+
+##### 4. 최종 모델 성능
+- Macro F1 Score: 56.3%
+- ECE (Expected Calibration Error): 0.090
+- Brier Score: 0.564
+- 온도 보정 적용 (T=1.232)
+
+##### 5. Git 저장소 구성
+- 저장소: https://git.ro-being.com/ivada_Ro-being/training_emotion.git
+- 폴더 구조 정리:
+  - scripts/: 데이터 처리 스크립트
+  - data/: 학습 데이터
+  - outputs/: 학습된 모델
+  - logs/: 학습 로그
+- .gitignore로 체크포인트 제외 (용량 관리)
+
+##### 6. 배포 계획
+- 51124 서버에 skill-emotion 서비스 구축
+- 포트 8503 사용
+- FastAPI 기반 API 서버
+- 로빙과 HTTP API로 연동
+
+#### 교훈
+1. **타임아웃 설정의 중요성**: 긴 학습 작업 시 충분한 타임아웃 설정 필수
+2. **라이브러리 버전 호환성**: transformers 라이브러리 업데이트로 파라미터명 변경 주의
+3. **데이터 품질**: KOTE보다 AI Hub 데이터가 균형잡혀 있어 성능 향상 (35.8% → 56.3%)
+4. **파일 인코딩**: README 작성 시 UTF-8 인코딩 확인 필요
+5. **브랜치명 규칙**: main 브랜치 사용 (master 대신)
+6. **uv 패키지 매니저**: pip보다 빠르고 의존성 관리 편리
+
+#### 다음 단계
+- skill-emotion 서비스 구현
+- 로빙(rb10508_test)과 통합
+- 실시간 감정 분석 기능 추가