22557e7132
- 7-8월 초기 구축 문서 12개를 _archive/troubleshooting/2025_07-08_initial_setup/로 이동 - book/300_architecture/390_human_in_the_loop_intent_learning.md를 journey/research/intent_classification/로 이동 (개발 여정 문서) - 빈 폴더 제거 (journey/assets/*)
3.8 KiB
3.8 KiB
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
# 기존 (오류)
evaluation_strategy="epoch"
# 수정
eval_strategy="epoch"
compute_loss 시그니처 오류
# 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
# 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
- 타임아웃 설정의 중요성: 긴 학습 작업 시 충분한 타임아웃 설정 필수
- 라이브러리 버전 호환성: transformers 라이브러리 업데이트로 파라미터명 변경 주의
- 데이터 품질: KOTE보다 AI Hub 데이터가 균형잡혀 있어 성능 향상 (35.8% → 56.3%)
- 파일 인코딩: README 작성 시 UTF-8 인코딩 확인 필요
- 브랜치명 규칙: main 브랜치 사용 (master 대신)
- uv 패키지 매니저: pip보다 빠르고 의존성 관리 편리
다음 단계
- skill-emotion 서비스 구현
- 로빙(rb10508_test)과 통합
- 실시간 감정 분석 기능 추가
오후 7시 30분
감정 분류 모델 배포 중단
상황
- training_emotion 저장소를 51124 서버로 클론 완료
- outputs/aihub-7emotions-complete/ 폴더에 토크나이저와 설정 파일만 존재
- 모델 가중치 파일(pytorch_model.bin, model.onnx) 부재
문제점 발견
- 모델 파일 누락: 학습된 모델 가중치가 저장소에 포함되지 않음
- 포트 충돌: 제안된 8503 포트는 이미 rb10408_test에서 SKILL_SLACK_URL로 사용 중
- 저장소 미생성: skill-emotion 저장소가 아직 생성되지 않음
결정 사항
- 사용자 요청으로 작업 중단 ("아냐 됐다. 그만하자")
- 모델 가중치 파일 없이는 배포 불가능
- 추후 모델 파일 준비 후 재시도 필요
교훈
- 배포 전 체크리스트: 모델 파일, 설정 파일, 토크나이저 모두 확인 필수
- 포트 할당 관리: 기존 서비스 포트 사용 현황 사전 확인
- Git LFS 고려: 대용량 모델 파일은 Git LFS 사용 검토