DSC6 연구 현황

실행 기록을 연결하는 중

현재 표본을 기다립니다. 지난 학습의 자원 값을 현재 사용량으로 표시하지 않습니다.

공개 집계만 30초 간격으로 전송합니다. 전달 경로의 캐시로 지연될 수 있어 게시 시각과 실제 진행 기록 시각을 분리합니다. 게시가 60초 이상 지연되면 마지막 표본임을 표시합니다. 실제 작업 진행과 자원 측정 시각은 각각 따로 확인합니다.

실행 중 여부는 아래 실시간 기록에서 확인합니다.

모델을 선택하면 입력, 학습 목적, 출력 변환과 저장 상태를 볼 수 있습니다. 가중치 파일은 공개하지 않습니다. 근거 경로와 해시는 로컬 또는 비공개 저장소에서 재검토할 때 사용합니다.

다음 비교 후보와 제외한 방법

기대 → 반증 조건 → 관찰 → 판단 → 다음 행동의 이유를 연결합니다. 실행 전 가설과 결과를 본 뒤의 정리를 구분합니다. 원본 실행 기록은 보존하고 이 판단 기록의 변경은 Git으로 추적합니다.

실제 정산 페널티 W를 월과 시간대별로 합산했습니다. 색이 진할수록 금액이 큽니다. 1월과 2월에 같은 색 눈금을 적용합니다.

각 열은 우측닫힘 구간의 끝 시각입니다. 24시는 23~24시이며 노란 밑줄은 k=3인 11~15시입니다. 관측 기여도는 원인이나 해당 시간을 제거했을 때의 개선량을 뜻하지 않습니다.

아래 기여도는 L1 모델의 2025년 2월 개발 검증과 참조 배분 기준입니다. 서로 겹치는 분류이므로 비율을 합산하지 않습니다. 원인이나 제거 효과를 뜻하지 않습니다.

겨울과 봄의 시계열 분할입니다. 현재 완료 모델은 겨울 분할만 있습니다. 여름의 253개소 완전 관측이 없어 연간 일반화는 확인되지 않았습니다.

모두 같은 겨울 분할의 seed 17, FP32 실행입니다. 각 epoch 종료 시 eval 모드의 실측값만 표시하며 큰 점은 12월 Valid로 선택한 모델입니다. 낮은 발전소 L1이 더 좋은 집합 W를 보장하지 않습니다.

실행 예산과 메모리 관측

전체 시간에는 입력 준비, 검사와 저장이 포함되며 학습부 누적 시간과 다릅니다. Torch 예약 VRAM은 드라이버와 다른 앱을 제외한 값입니다. 24 MiB라는 수치만으로 GPU 부족이나 활용률을 판단하지 않습니다.

T11은 1 epoch가 best이고 이후 2회 미개선으로 종료했습니다. T13은 4 epoch 상한에 도달했고 마지막 epoch가 best입니다. 모두 AdamW, 학습률 0.0003, weight decay 0.01, patience 2의 고정 초기 설정이며 Optuna로 최적화한 결과가 아닙니다.

3~4 epoch 결과는 초기 비교입니다. epoch 수만으로 학습 부족을 단정하지 않고 optimizer step, 입력량, 곡선과 계절 성능을 함께 확인합니다.

기존 겨울 모델

발전소별 용량 정규화 MAE입니다. Valid는 12월 조기 종료 구간이며 2월 정산 W와 다릅니다. 모델마다 가중치가 달라 곡선 높이로 모델 순위를 정하지 않습니다.

같은 검증 구간끼리 비교합니다. 단일 구간의 개선은 잠정 결과이며 자동 승격하지 않습니다.

기대, 실제 결과, 다음 결정

새 모델 이름을 늘리기 전에 처리량, 대조군과 검증 조건을 먼저 고정합니다. 아래는 연구 우선순위이며 자동 실행 명령이 아닙니다. 실행할 때 현재 부팅, 자원과 해당 소스의 제한된 범위를 검토합니다.

계획은 실행 완료와 구분합니다. 각 계열의 소수 후보를 같은 시계열 검증으로 비교하고, 무거운 연산은 순차 큐 하나로 처리합니다.

계열별 비교 계획

자원 측정 시각 확인 중

Windows 여유 RAM 24 GiB와 커밋 여유 20%를 모두 검사합니다. 임계값 초과 시 이 연구의 작업만 안전하게 중단합니다. 감시만으로 호스트 재부팅 방지를 보장할 수는 없습니다.