DOCS/troubleshooting/250808_happybell80_감정분류모델학습.md

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

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

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

1. 모델 파일 누락: 학습된 모델 가중치가 저장소에 포함되지 않음
2. 포트 충돌: 제안된 8503 포트는 이미 rb10408_test에서 SKILL_SLACK_URL로 사용 중
3. 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

1. 배포 전 체크리스트: 모델 파일, 설정 파일, 토크나이저 모두 확인 필수
2. 포트 할당 관리: 기존 서비스 포트 사용 현황 사전 확인
3. Git LFS 고려: 대용량 모델 파일은 Git LFS 사용 검토