fumen-measure-analyze/spec.md

학습

CLI

• cli로 학습할 수 있는 쉘 스크립트를 작성한다.
• argument
  • script_dir
  • working_dir
  • data_dir
  • train_data_count = 100
  • validate_data_count = 20
  • margin = 0.1

학습 모델

학습 과정

1. {data_dir}/tja의 tja를 파싱한다.
   • {script_dir}/parse.ts를 사용한다.
2. oni와 edit course를 factorize한다.
   • {script_dir}/factorize.ts를 사용하며, {working_dir}/features.json에 저장한다. 이 때, songno와 난이도(oni | edit)을 같이 저장하여야한다.
   • {working_dir}/features.json이 이미 존재하면 이 과정은 생략한다.
3. factorized된 데이터를 train_data_count 만큼 랜덤으로 가져온다.
4. train data로 학습을 진행한다.
   • 예측 값이 [1, 12]에 없으면 완전히 잘못 트레이닝 된 것이다.
   • {data_dir}/measure.csv로 오차 확인
   • course가 edit이면 measure.json에서는 ura이므로 적절히 매칭한다.
   • Train error를 계속 로깅한다.
   • Train error가 margin보다 클 경우 이 과정(4번)을 다시 진행한다.
     • 최대 10번만 진행한다.
5. validate_data_count 만큼 랜덤으로 validate data를 가져온 후 validate data로 각각의 measure, 예측한 measure, 오차를 validate_result_{n}.csv로 저장한다.
   • validate_result_{n}.csv에는 songno, difficulty, measure, predicted_measure, error을 작성한다. (중요)
   • n에는 몇번째 iteration인지 적는다.
6. 만약 validate한 데이터 중 오차가 margin보다 큰 것이 있다면 3~5과정을 다시 반복한다.
7. 모델 파일을 저장한다.

유의 사항

• 모든 출력되는 데이터는 working_dir에 저장한다.
• 이미 working_dir에 모델이 존재하면 모델을 삭제하지 않고 업데이트하는 식으로 학습한다.
• 애플 실리콘 cpu를 사용할 경우 적극적으로 gpu를 사용할 수 있도록 한다.

예측

CLi

• cli로 예측 데이터를 뽑을 수 있는 쉘 스크립트를 작성한다.
• argument
  • working_dir
  • tja
  • difficulty: oni | edit

예측 과정

• working_dir에 있는 model로 예측을 진행한다.
• tja argument에 tja파일이 존재한다.
• difficulty로 예측을 진행할 난이도를 선택한다.

Factor

종류

• physical_density: 곡의 전반적인 및 순간적인 타격 밀도 (Global NPS, Peak NPS)
• stamina_requirement: 긴 연타 구간과 휴식 구간의 비율을 통한 체력 소모량
• pattern_complexity: 색상 전환 및 손 배치 전환(Hand-switching)의 복잡도
• rhythmic_complexity: 엇박, 다양한 음표 단위 사용 등으로 인한 리듬의 난해함
• reading_gimmick: BPM 변화, 스크롤 속도(SV) 변동 등 시각적 요소 및 기믹

가중치 (하이퍼 파라미터)

script/factor.json에 Record<factor 이름, 가중치>를 기록한다.

Scripts

script/parse.ts

• parseTja 함수
  • tja를 string으로 받는다.
  • Partial<Record<'oni' | 'edit', Course>> | null을 반환한다.
  • null이 반환되면 에러가 나온 것이므로 무시한다.

script/factorize.ts

• factorize 함수
  • course를 input으로 받는다.
  • factor들을 반환한다.
• Factor namespace
  • 각 factor을 반환하는 함수의 namespace이다.
  • factorize 함수는 Factor namespace에서 함수들을 호출하여 factor들을 반환한다.