깃허브 블로그전 임시공간 깃허브 블로그전 임시공간

주피터 노트북에서 돌렸다. 처음에는 칼바람에서는 승률 높은 챔피언과 낮은 챔피언을 특징으로 생각해 2가지 팀을 나눠 모델을 X -히든레이어(30)-히든레이어(30)-히든레이어(2)-Y 이런 식으로 했었다. 하지만 정확도가 70 주변을 머물렀고 학습을 많이 시켜도 개선되지 않았다. 히든레이어가 많으면 어떻게 되나 보니 갑자기 정확도가 떡상했다. 이때부터 적당한 모델 찾기 노가다가 시작되었다. 80만 개 정도의 매치로 하기엔 시간이 오래 걸려 12만 개의 데이터를 이용해 적합한 모델을 찾으려 했다. 모델을 찾는 중 여러 가지 문제가 있었다. 하나는 같은 모델이어도 샘플에 따라 다른 결과를 보인다는 것이다. 위의 2개의 이미지는 똑같은 모델로 돌렸으나 결과가 매우 차이 났다. 또 BatchNormalizati..

정말 2주 정도 뒤에 api 키가 나왔다. 열심히 모은 데이터 처리 라즈베리파이를 이용해서 많은 매치를 수집했으나 다양한 문제들이 있었다. 매치 하나당 하나의 파일을 생성하니 너무 많은 Inodes를 사용한다. 파일들을 병합해 하나의 파일을 만들 때 시간이 오래 걸린다. Inode는 파일에게 붙여주는 번호라는데 이게 부족하면 파일을 생성 못한다. 게다가 이것 때문인지는 몰라도 이메일을 통한 전송이나 USB를 통한 이동도 불가능했다(남은 Inode만큼은 가능). 다 차고 보니 개수를 수정하려면 라즈비안 설치 때 건드려야 했기에 오래된 매치(매치 번호가 낮은 매치)를 일부 지우고 압축해서 이메일로 보냈다. ko.wikipedia.org/wiki/%EC%95%84%EC%9D%B4%EB%85%B8%EB%93%9..

서론 그래픽 카드를 비싼 걸 샀으나 고사양 게임을 자주 하지도 않고 벤치 점수 놀이도 관심이 없어서 어디다 쓰나 생각하는 와중에 머신러닝 야학을 듣게 되었다. 생각보다 간단하게 딥러닝이 돌아가는 것을 보면서 '이 정도면 대충 해볼 만하지 않을까?' 해서 한번 시작해 보게 되었다. 칼바람 조합 승률을 알아보려 하는 이유는 다음과 같다. 평소에 궁금했다.(ex 우리팀 문도가 말파이트를 했다면 더 좋은 조합이 아녔을까?, 이 조합으로는 상대 조합을 이길 수 없는 걸까? 등) 칼바람을 메인으로 돌리는 유저이기 때문에 결과가 이상해도 잘 해석할 수 있다고 생각한다. 만들 때 찾아보니 해외에도 없다. 아마 중간에 실패할 가능성이 높지만 그래도 최선을 다 할 것이다. 계획 학습을 위해서는 많은 데이터와 적절한 모델이..