75 lines
3.4 KiB
Markdown
75 lines
3.4 KiB
Markdown
# 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}/tja`의 tja를 파싱한다.
|
|
- `{script_dir}/parse.ts`를 사용한다.
|
|
2. `oni`와 `edit` course를 factorize한다.
|
|
- `{script_dir}/factorize.ts`를 사용하며, `{working_dir}/features.json`에 저장한다. 이 때, songno와 난이도(oni | edit)을 같이 저장하여야한다.
|
|
- `{working_dir}/features.json`이 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.csv`로 오차 확인
|
|
- course가 `edit`이면 measure.json에서는 `ura`이므로 적절히 매칭한다.
|
|
- Train error를 계속 로깅한다.
|
|
- Train error가 `margin`보다 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}.csv`로 저장한다.
|
|
- `validate_result_{n}.csv`에는 `songno`, `difficulty`, `measure`, `predicted_measure`, `error`을 작성한다. (중요)
|
|
- `n`에는 몇번째 iteration인지 적는다.
|
|
6. 만약 validate한 데이터 중 오차가 `margin`보다 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_dir`에 있는 model로 예측을 진행한다.
|
|
- `tja` argument에 tja파일이 존재한다.
|
|
- `difficulty`로 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.json`에 `Record<factor 이름, 가중치>`를 기록한다.
|
|
|
|
# Scripts
|
|
## `script/parse.ts`
|
|
- `parseTja` 함수
|
|
- tja를 string으로 받는다.
|
|
- `Partial<Record<'oni' | 'edit', Course>> | null`을 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. |