DACON 코드 제출 대회 가이드

1. 대회 방식 소개

2. 제출 파일 구성

your_submission.zip  # 예시: submit.zip, model_v1.zip 등
├── model/              # 학습된 모델 가중치 저장
│   └── model.pt        # (예시) 실제 모델 파일명은 자유
├── script.py           # 추론 실행 코드 (필수)
└── requirements.txt    # 패키지(라이브러리) 의존성 (필수)

각 구성요소 설명

model/ 디렉터리

• 로컬에서 훈련한 모델의 가중치 파일 저장
• 파일명은 자유롭게 설정 가능
• 여러 파일 저장 가능 (예: model.pt, tokenizer.json 등)

script.py 파일

• 평가 서버에서 자동으로 실행되는 추론 전용 코드
• 반드시 이 파일명을 사용해야 함
• 학습 과정은 포함하지 않고, 추론만 수행
• 데이터 로드 → 모델 로드 → 예측 → 결과 저장의 순서로 구성

requirements.txt 파일

• 추론에 필요한 추가 패키지(라이브러리) 명시
• pip install -r requirements.txt 형식으로 작성
• 이미 평가 서버에 설치되어 있는 패키지(라이브러리)는 버전 호환이 이미 맞춰져 있으므로 가급적 포함하지 않을 것을 권장

3. 평가 서버 동작 과정

자동 실행 과정

평가 서버에서는 다음과 같은 순서로 자동 실행됩니다:

submit.zip (제출된 파일)
├── model/
├── script.py
├── requirements.txt
├── data/               # ← 서버에서 자동 추가
└── output/             # ← 서버에서 자동 추가

pip install -r requirements.txt

python script.py

서버 환경 사양

평가 서버의 하드웨어 사양은 대회마다 상이하므로, 해당 대회 페이지의 '평가' 탭에서 확인하시기 바랍니다.

기본 설치 패키지(라이브러리)

다음 패키지(라이브러리)들은 이미 평가 서버에 설치되어 있으므로 버전 호환이 이미 맞춰져 있습니다. 가급적 requirements.txt에 포함하지 않을 것을 권장합니다:

torch==2.7.1+cu128
torchaudio==2.7.1+cu128
torchvision==0.22.1+cu128
tensorflow==2.19.0
numpy==1.26.4
pandas==2.0.3
PyMuPDF==1.24.11
transformers==4.46.3
langchain==0.1.6
accelerate==1.9.0
bitsandbytes==0.46.1
faiss-gpu-cu12==1.11.0
scikit-learn==1.7.1
ultralytics==8.3.170
pytesseract==0.3.13
pillow==11.0.0
python-pptx==0.6.23
pdfminer.six==20221105
opencv-python==4.9.0.80
pdf2image==1.17.0
sentencepiece==0.1.99
regex==2023.12.25
easyocr==1.7.1
layoutparser==0.3.4
tqdm==4.66.4
loguru==0.7.2
pyyaml==6.0.1
rich==13.7.1
albumentations==1.4.3

4. 추론 코드 작성 가이드

권장 구조

다음은 script.py 작성을 위한 권장 구조입니다:

import os
import pandas as pd
# 기타 필요한 패키지(라이브러리)

def load_model():
    """모델 로드 함수"""
    # model/ 디렉터리에서 모델 가중치 로드
    model_path = os.path.join('model', 'your_model.pt')
    # 모델 로드 코드
    return model

def load_data():
    """평가 데이터 로드 함수"""
    # data/ 디렉터리에서 평가 데이터 로드 (예시 파일명)
    data_path = os.path.join('data', 'test.csv')
    # 실제 데이터 로드 코드
    return data

def predict(model, data):
    """추론 수행 함수"""
    # 실제 추론 로직
    predictions = model.predict(data)
    return predictions

def save_results(predictions):
    """결과 저장 함수"""
    # output/submission.csv로 저장 (필수)
    os.makedirs('output', exist_ok=True)
    submission = pd.DataFrame({'prediction': predictions})
    submission.to_csv('output/submission.csv', index=False)

if __name__ == "__main__":
    # 메인 실행 코드
    model = load_model()
    data = load_data()
    predictions = predict(model, data)
    save_results(predictions)
    print("추론 완료!")

오프라인 환경 제약사항

불가능한 작업들

• model.from_pretrained() 등을 통한 온라인 모델 다운로드
• 외부 API 호출 (OpenAI, HuggingFace Hub 등)
• 인터넷을 통한 파일 다운로드
• 원격 데이터베이스 접근

올바른 접근 방법

• 필요한 모든 모델 파일을 model/ 디렉터리에 미리 저장
• 토크나이저, 설정 파일 등도 로컬 파일로 준비
• 코드에서는 로컬 파일 경로로만 접근

코드 예시

model = AutoModel.from_pretrained("bert-base-uncased")  # 실패!

model_path = os.path.join('model', 'bert-base-uncased')
model = AutoModel.from_pretrained(model_path)  # 성공!

필수 준수사항

• 반드시 output/submission.csv 파일 생성
• 상대 경로 사용 권장
• 대회에서 제한하는 추론 시간 내 완료
• 예외 처리 코드 포함 권장

5. 제출 오류 유형 및 해결방법

설치 오류 (제출 횟수 차감 없음)

제출 오류 (제출 횟수 차감됨)

6. 제출 전 최종 점검

7. 성공적인 제출을 위한 팁

8. 문의사항