🎯 모델 학습
이 페이지의 용도와 미리 알아둘 것
데이터셋을 입력으로 ML 모델을 fine-tuning 하는 페이지입니다. 학습된 모델은 자동으로 model registry 에 등록되고 모델 평가 에서 성능 검증 후 배포할 수 있습니다.
시작 전 준비
- 학습용 데이터셋 생성 (라벨이 충분히 모인 후 dataset version 만들고 lock).
- locked test set은 별도 보호되어 학습에 사용되지 않음.
- 승인(approved) 또는 gold_standard 라벨만 학습에 포함.
model_type 선택
iris_pupil_unet— 홍채/동공 분리 U-Net (가장 먼저 만드는 모델).finding_yolo_seg— 시각징후 검출 (lacuna/crypt 등).finding_mask_rcnn,polar_unet,hybrid_postprocess_model— 확장형.
hyperparameter 권장값
epochs: 30 (early_stop_patience=8 로 자동 종료).batch_size: 8 (GPU 메모리 따라 조절).learning_rate: 3e-4,weight_decay: 1e-4.image_size: 512,encoder: resnet34 (ImageNet pretrained).augment: true (좌우반전 + 밝기/대비 + 약간의 회전/스케일).
현재 동작 모드
기본 환경은 ML_TRAINING_MODE=dummy — 가짜 epoch 진행 로그만 생성하고 실제 학습은 하지 않습니다. 실제 학습 활성화는 docker-compose.gpu.yml + ENABLE_ML_STACK=1 + ML_TRAINING_MODE=torch 가 필요합니다.
1
📦 학습할 데이터셋 고르기
라벨이 묶인 데이터셋을 선택하세요데이터셋이 없으면 먼저 데이터셋 만들기에서 만드세요.
2
🧠 모델 종류 선택
처음이면 iris_pupil_unet 부터iris_pupil_unet = 홍채/동공 분리(가장 먼저 만드는 모델) · finding_yolo_seg = 시각징후(lacuna·crypt 등) 검출
3
⚙️ 학습 설정
기본값이면 그대로 두고 넘어가세요4
🚀 학습 시작
※ 기본 환경에서는 가짜 진행 로그만 생성됩니다(실제 학습엔 GPU 스택 필요). 시작하면 아래 목록에 진행 상태가 표시됩니다.
📋 진행 중·완료된 학습
비교 선택: 0 / 6
| # | 모델 타입 | 데이터셋 | 상태 | 검증 점수 | 시작 |
|---|