README.md

metadata

title: MuscleCare Train AI
emoji: 🔥
colorFrom: green
colorTo: purple
sdk: docker
pinned: false
license: apache-2.0

MuscleCare Train AI

CNN + GRU 기반 근육 피로도 예측 모델 자동 학습 시스템

🚀 주요 기능

• 자동 데이터 로딩: Hugging Face Merry99/MuscleCare-DataSet 데이터셋 자동 로드
• CNN + GRU 모델: 시퀀스 데이터에서 피로도 예측
• 자동 학습 스케줄링: 매주 일요일 자정 자동 모델 업데이트
• 중복 방지: 이미 학습된 세션 데이터 자동 제외
• TFLite 변환: 모바일 배포를 위한 TFLite 모델 자동 생성 (필수)

📦 실행 방법

Docker 사용 (권장)

# 이미지 빌드
docker build -t musclecare-train-ai .

# 실행
docker run musclecare-train-ai

로컬 실행 (Python 3.10 필요)

# Python 3.10 확인
python3.10 --version

# 패키지 설치
python3.10 -m pip install -r requirements.txt

# 실행
python3.10 start.py

또는 스크립트 사용:

./run_local.sh

🔄 전체 플로우

1. 데이터 로드: load_dataset.py로 Hugging Face 데이터셋 로드
2. 모델 학습: train_e2e.py로 CNN + GRU 모델 학습
3. 모델 저장: 학습된 모델을 ./model/fatigue_net_v2.pt에 저장 (PyTorch state_dict 형식)
4. TFLite 변환: convert_tflite.py로 TFLite 모델 생성 → ./model/fatigue_net_v2.tflite

📁 파일 구조

• load_dataset.py: Hugging Face 데이터셋 로드
• train_e2e.py: CNN + GRU 모델 학습 (PyTorch state_dict 형식으로 저장)
• convert_tflite.py: PyTorch → TFLite 변환
• train_scheduler.py: 자동 학습 스케줄러
• start.py: 자동 학습 스케줄러 시작 스크립트
• app.py: FastAPI 애플리케이션 (나중에 구현 예정)

🔧 요구사항

• Python 3.10 (TFLite 변환 필수)
• PyTorch 2.0+
• ONNX, ONNX-TF, TensorFlow (TFLite 변환용)

📝 모델 저장 위치

• PyTorch 모델: ./model/fatigue_net_v2.pt (state_dict 형식)
• TFLite 모델: ./model/fatigue_net_v2.tflite (모바일 배포용, 필수)
• 학습 상태: ./model/training_state.json

⚠️ 중요 사항

• TFLite 변환은 필수입니다 (모바일 디바이스에서 실행 필요)
• 모델은 반드시 PyTorch state_dict 형식으로 저장되어야 합니다 (TorchScript 형식 불가)
• Python 3.10 이상이 필요합니다 (TFLite 변환 패키지 호환성)

🔄 자동 학습 스케줄

• 실행 시간: 매주 일요일 자정 (00:00)
• 중복 방지: training_state.json에 저장된 세션 ID는 자동 제외
• 모델 버전: 자동 증가
• TFLite 변환: 학습 후 자동 수행