컨테이너 내부 경로와 환경 변수

GEO_* 환경 변수와 /geo/… 경로는 플랫폼이 주입하는 이름 그대로.

디렉터리#

manifest.json#

위치: GEO_DATA_DIR 바로 아래. path 는 GEO_DATA_DIR 기준 상대 경로이므로 GEO_DATA_DIR 과 결합해 사용.

{
  "dataset": { "id": "ds-…", "name": "…" },
  "files": [
    { "path": "images/site_008.jpg", "kind": "image",
      "meta": { "width": 640, "height": 480, "format": "JPEG",
                "label_files": [{ "filename": "site_008.json", "format": "labelme" }] } },
    { "path": "annotations/site_008.json", "kind": "annotation",
      "meta": { "format": "labelme", "annotation_count": 2, "match_rate": 1.0 } },
    { "path": "tabular/features.csv", "kind": "tabular",
      "meta": { "row_count": 300, "columns": [{ "name": "label", "dtype": "object" }] } }
  ]
}

• kind 는 image · annotation · timeseries · tabular · pointcloud 중 하나, 저장되는 하위 디렉터리와 대응. 검증을 통과한 파일만 저장.
• 디렉터리에는 플랫폼이 캐시 확인에 사용하는 숨김 파일(.stamp)도 있음. 파일 목록은 디렉터리를 탐색하지 말고 manifest.json 에서 읽음.
• 업로드 시 zip 내부의 폴더 구조는 평탄화. 같은 이름이 중복되면 이름 뒤에 -2 가 붙음. 클래스별 하위 폴더 같은 구조에 의존 금지.
• meta 는 플랫폼 검증기가 채운 값(이미지 크기와 짝지어진 라벨 파일, 어노테이션 형식, 표의 행 수·컬럼 등). 예시는 축약본이며, 키가 더 있을 수 있음.
• 라벨 형식은 종류마다 다름. 이미지 계열은 어노테이션 파일(COCO JSON · LabelMe JSON · VOC XML)로, tabular 은 CSV 내부의 컬럼으로, 포인트클라우드는 PLY 파일 내부의 정수 속성으로 제공.
• timeseries 와 tabular 은 같은 .csv/.parquet 사용. 데이터셋 생성 시 선택한 모달리티로 둘을 구분. tabular 의 meta 에는 time_column 키 없음.
• train/val 분할은 트레이너가 수행. 플랫폼은 파일을 분할하지 않고, experiment.json 의 split 에 비율과 시드만 기록.

환경 변수#

• GEO_HP_* 이름 규칙: 하이퍼파라미터 키는 ^[a-z][a-z0-9_]*$ 만 허용, 환경 변수 이름은 그 키를 그대로 대문자로 변환한 것(lr → GEO_HP_LR). 중첩 구조나 리스트는 환경 변수로 표현할 수 없어 experiment.json 에만 포함.
• 값은 모두 문자열. 기본값의 타입으로 변환해 읽음(예제의 hyperparameter() 함수 참고). 참거짓은 소문자 true/false 로 전달. 파이썬의 bool("false") 는 참이므로 문자열을 직접 비교.
• 마법사 7단계 YAML 에 있는 키만 전달. 키는 선택한 프레임워크의 허용 목록으로 제출 시 검사되므로, 카탈로그에 없는 키는 전달 불가. YAML 을 비워 제출하면 GEO_HP_* 가 하나도 없으므로 모든 값에 이미지 측 기본값 지정.
• 전달되지 않는 것: 오브젝트 스토리지 주소·키. 데이터는 플랫폼이 미리 내려받으므로 학습 컨테이너에는 스토리지 자격 증명 없음.
• PYTHONUNBUFFERED 는 플랫폼이 설정하지 않음. 로그를 실시간으로 보려면 Dockerfile 에 ENV PYTHONUNBUFFERED=1 추가 필요.

자원 한도#

experiment.json (고급)#

주요 값은 환경 변수로도 전달되므로 대부분의 이미지는 이 파일을 읽지 않음. classes 목록, split 비율, 중첩된 하이퍼파라미터가 필요할 때만 읽음. 자격 증명은 이 파일에 없으므로 로그로 남겨도 안전.

{
  "experiment_id": "7abfb12e3a8d…",
  "name": "mnist-external-smoke-3",
  "tenant": "DEMO",
  "created_at": "2026-09-21T06:59:47Z",

  "task": "object_detection",
  "framework": "yolo",
  "model": "yolo26n",
  "classes": ["head", "helmet"],

  "split": { "method": "random", "train_percent": 80, "seed": 0 },
  "hyperparameters": { "epochs": 2 },

  "device": "cpu",
  "gpu": 0,

  "evaluation": { "benchmark": true, "speed_test": false },
  "export": { "onnx": false, "tensorrt": false },
  "serving": { "runtime": "cpu" },
  "register": { "enabled": false, "model_name": "" },
  "pretrained": { "source": "catalog" },

  "dataset": { "id": "ds-…", "name": "…", "file_count": 16,
               "path": "/geo/dataset", "manifest": "/geo/dataset/manifest.json",
               "pointcloud_labels": null },
  "paths": { "data_dir": "/geo/dataset", "work_dir": "/geo/work" },
  "mlflow": { "experiment_name": "mnist-external-smoke-3", "run_id": "…" }
}