---
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)

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

# 실행
docker run musclecare-train-ai
```

### 로컬 실행 (Python 3.10 필요)

```bash
# 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:
```bash
./run_local.sh
```

## 🔄 전체 플로우

1. **데이터 로드**: `load_dataset.py`로 Hugging Face 데이터셋 로드
2. **모델 학습**: `train_e2e.py`로 CNN + GRU 모델 학습
3. **모델 저장**: 학습된 모델을 `./model/fatigue_net_v2.pt`에 저장 (PyTorch state_dict 형식)
4. **TFLite 변환**: `convert_tflite.py`로 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.json`에 저장된 세션 ID는 자동 제외
- 모델 버전: 자동 증가
- TFLite 변환: 학습 후 자동 수행