Rnn 3 (word2vec)

word2vec

1. 추론 기반 기법과 신경망

1.1 통계 기반 기법의 문제점

from IPython.display import Image
Image('./deep_learning_2_images/fig 3-1.png', width=500)

1.2 추론 기반 기법 개요

Image('./deep_learning_2_images/fig 3-2.png', width=350)

Image('./deep_learning_2_images/fig 3-3.png', width=450)

1.3 신경망에서의 단어 처리

Image('./deep_learning_2_images/fig 3-4.png', width=450)

Image('./deep_learning_2_images/fig 3-5.png', width=500)

Image('./deep_learning_2_images/fig 3-6.png', width=550)

Image('./deep_learning_2_images/fig 3-7.png', width=550)

완전연결계층에 의한 변환

import numpy

import numpy as np

c = np.array([[1, 0, 0, 0, 0, 0, 0]]) # 입력 (1, 7) : 1은 배치의 수, 7은 vocab_size
W = np.random.randn(7, 3) # 가중치 (7, 3)
h = np.matmul(c, W)       # 중간 출력
h

array([[-0.01696595, -1.78825225, -1.43516656]])

W[0] # h 값과 W[0] 값이 동일

array([-0.01696595, -1.78825225, -1.43516656])

Image('./deep_learning_2_images/fig 3-8.png', width=550)

MatMul 계층 이용하기

class MatMul:
    def __init__(self, W):
        self.params = [W]
        self.grads = [np.zeros_like(W)]
        self.x = None

    def forward(self, x):
        W, = self.params
        out = np.dot(x, W)
        self.x = x
        return out

    def backward(self, dout):
        W, = self.params
        dx = np.dot(dout, W.T)
        dW = np.dot(self.x.T, dout)
        self.grads[0][...] = dW
        return dx

# 단어 ID가 0인 원핫벡터를 완전연결층에 통과시켜 변환
c = np.array([[1, 0, 0, 0, 0, 0, 0]]) # 입력 (1, 7) : 1은 배치의 수, 7은 vocab_size
W = np.random.randn(7, 3) # 가중치 (7, 3)
layer = MatMul(W)
h = layer.forward(c)
h

array([[-0.55758808, -0.72232551, -0.41902059]])

2. 단순한 word2vec

2.1 CBOW 모델의 추론 처리

Image('./deep_learning_2_images/fig 3-9.png', width=500)

Image('./deep_learning_2_images/fig 3-10.png', width=350)

Image('./deep_learning_2_images/fig 3-11.png', width=550)

CBOW 모델의 추론 처리

# 샘플 맥락 데이터
c0 = np.array([[1, 0, 0, 0, 0, 0, 0]])
c1 = np.array([[0, 0, 1, 0, 0, 0, 0]])

# 가중치 초기화
W_in = np.random.randn(7, 3)
W_out = np.random.randn(3, 7)

# 계층 생성
in_layer0 = MatMul(W_in)
in_layer1 = MatMul(W_in)
out_layer = MatMul(W_out)

# 순전파
h0 = in_layer0.forward(c0)
h1 = in_layer1.forward(c1)
h = 0.5 * (h0 + h1)
s = out_layer.forward(h)
s

array([[-2.17028919, -1.69958658,  1.17929294,  1.53154062, -2.42974887,
        -0.85588279,  0.86194572]])

2.2 CBOW 모델의 학습

Image('./deep_learning_2_images/fig 3-12.png', width=550)

Image('./deep_learning_2_images/fig 3-13.png', width=600)

Image('./deep_learning_2_images/fig 3-14.png', width=550)

2.3 word2vec의 가중치와 분산 표현

Image('./deep_learning_2_images/fig 3-15.png', width=550)

3. 학습 데이터 준비

3.1 맥락과 타깃

Image('./deep_learning_2_images/fig 3-16.png', width=550)

말뭉치로부터 맥락과 타깃 생성

def preprocess(text):
    text = text.lower()
    text = text.replace('.', ' .')
    words = text.split(' ')

    word_to_id = {}
    id_to_word = {}
    for word in words:
        if word not in word_to_id:
            new_id = len(word_to_id)
            word_to_id[word] = new_id
            id_to_word[new_id] = word

    corpus = np.array([word_to_id[w] for w in words])

    return corpus, word_to_id, id_to_word

text = 'You say goodbye and I say hello.'
corpus, word_to_id, id_to_word = preprocess(text)
print(corpus)

[0 1 2 3 4 1 5 6]

print(id_to_word)

{0: 'you', 1: 'say', 2: 'goodbye', 3: 'and', 4: 'i', 5: 'hello', 6: '.'}

Image('./deep_learning_2_images/fig 3-17.png', width=550)

맥락과 타깃을 만드는 코드

corpus

array([0, 1, 2, 3, 4, 1, 5, 6])

def create_contexts_target(corpus, window_size=1):
    target = corpus[window_size:-window_size]
    contexts = []
    
    for idx in range(window_size, len(corpus)- window_size): # target index
        cs = []
        for t in range(-window_size , window_size+1): # target을 기준으로 가져올 windows 안의 index
            if t == 0: # target이므로 제외
                continue
            cs.append(corpus[idx + t]) # 한샘플에 대한 context
        contexts.append(cs) # 매 샘플마다 누적
    return np.array(contexts), np.array(target)

contexts, target = create_contexts_target(corpus, window_size=1)
print(contexts)
print(target)

[[0 2]
 [1 3]
 [2 4]
 [3 1]
 [4 5]
 [1 6]]
[1 2 3 4 1 5]

3.2 원핫 표현으로 변환

Image('./deep_learning_2_images/fig 3-18.png', width=600)

corpus

array([0, 1, 2, 3, 4, 1, 5, 6])

def convert_one_hot(corpus, vocab_size):
    N = corpus.shape[0]

    if corpus.ndim == 1:
        one_hot = np.zeros((N, vocab_size), dtype=np.int32)
        for idx, word_id in enumerate(corpus):
            one_hot[idx, word_id] = 1

    elif corpus.ndim == 2:
        C = corpus.shape[1]
        one_hot = np.zeros((N, C, vocab_size), dtype=np.int32)
        for idx_0, word_ids in enumerate(corpus):
            for idx_1, word_id in enumerate(word_ids):
                one_hot[idx_0, idx_1, word_id] = 1

    return one_hot

text = 'You say goodbye and I say hello.'
corpus, word_to_id, id_to_word = preprocess(text)

contexts, target = create_contexts_target(corpus, window_size=1)

vocab_size = len(word_to_id)
target = convert_one_hot(target, vocab_size)
contexts = convert_one_hot(contexts, vocab_size)

4. CBOW 모델 구현

Image('./deep_learning_2_images/fig 3-19.png', width=600)

간단한 CBOW 모델 구현

def softmax(x):
    if x.ndim == 2:
        x = x - x.max(axis=1, keepdims=True)
        x = np.exp(x)
        x /= x.sum(axis=1, keepdims=True)
    elif x.ndim == 1:
        x = x - np.max(x)
        x = np.exp(x) / np.sum(np.exp(x))

    return x

class SoftmaxWithLoss:
    def __init__(self):
        self.params, self.grads = [], []
        self.y = None  # softmax의 출력
        self.t = None  # 정답 레이블

    def forward(self, x, t):
        self.t = t
        self.y = softmax(x)

        # 정답 레이블이 원핫 벡터일 경우 정답의 인덱스로 변환
        if self.t.size == self.y.size:
            self.t = self.t.argmax(axis=1)

        loss = cross_entropy_error(self.y, self.t)
        return loss

    def backward(self, dout=1):
        batch_size = self.t.shape[0]

        dx = self.y.copy()
        dx[np.arange(batch_size), self.t] -= 1
        dx *= dout
        dx = dx / batch_size

        return dx

def cross_entropy_error(y, t):
    if y.ndim == 1:
        t = t.reshape(1, t.size)
        y = y.reshape(1, y.size)
        
    # 정답 데이터가 원핫 벡터일 경우 정답 레이블 인덱스로 변환
    if t.size == y.size:
        t = t.argmax(axis=1)
             
    batch_size = y.shape[0]

    return -np.sum(np.log(y[np.arange(batch_size), t] + 1e-7)) / batch_size

contexts.shape, target.shape

((6, 2, 7), (6, 7))

contexts[:, 0].shape

(6, 7)

contexts[:, 1].shape

(6, 7)

class SimpleCBOW:
    def __init__(self, vocab_size, hidden_size):
        V, H = vocab_size, hidden_size

        # 가중치 초기화
        W_in = 0.01 * np.random.randn(V, H).astype('f')
        W_out = 0.01 * np.random.randn(H, V).astype('f')

        # 계층 생성
        self.in_layer0 = MatMul(W_in)
        self.in_layer1 = MatMul(W_in)
        self.out_layer = MatMul(W_out)
        self.loss_layer = SoftmaxWithLoss()

        # 모든 가중치와 기울기를 리스트에 모은다.
        layers = [self.in_layer0, self.in_layer1, self.out_layer]
        self.params, self.grads = [], []
        for layer in layers:
            self.params += layer.params
            self.grads += layer.grads

        # 인스턴스 변수에 단어의 분산 표현을 저장한다.
        self.word_vecs = W_in

    def forward(self, contexts, target): # contexts (3, 2, 7), target (3, 7)
        c0 = contexts[:, 0]
        c1 = contexts[:, 1]
        h0 = self.in_layer0.forward(c0) # c0 (3, 7), h0 (3, 3)
        h1 = self.in_layer1.forward(c1) # c1 (3, 7), h1 (3, 3)
        h = 0.5 * (h0 + h1) # h (3, 3)
        score = self.out_layer.forward(h)
        loss = self.loss_layer.forward(score, target)        
        return loss

    def backward(self, dout=1):
        ds = self.loss_layer.backward(dout)
        da = self.out_layer.backward(ds)
        da *= 0.5
        self.in_layer1.backward(da)
        self.in_layer0.backward(da)
        return None

학습 코드 구현

import time

def remove_duplicate(params, grads):
    '''
    매개변수 배열 중 중복되는 가중치를 하나로 모아
    그 가중치에 대응하는 기울기를 더한다.
    '''
    params, grads = params[:], grads[:]  # copy list

    while True:
        find_flg = False
        L = len(params)

        for i in range(0, L - 1):
            for j in range(i + 1, L):
                # 가중치 공유 시
                if params[i] is params[j]:
                    grads[i] += grads[j]  # 경사를 더함
                    find_flg = True
                    # print("remove_duplicate, ndim=1");
                    params.pop(j)
                    grads.pop(j)
                # 가중치를 전치행렬로 공유하는 경우(weight tying)
                elif params[i].ndim == 2 and params[j].ndim == 2 and \
                     params[i].T.shape == params[j].shape and np.all(params[i].T == params[j]):
                    grads[i] += grads[j].T
                    find_flg = True
                    # print("remove_duplicate, ndim=2");
                    params.pop(j)
                    grads.pop(j)

                if find_flg: break
            if find_flg: break

        if not find_flg: break

    return params, grads

from common.optimizer import Adam
# 1. 하이퍼파라미터 설정
window_size = 1
hidden_size = 5
batch_size = 3
max_epoch = 1000


# 2. 데이터 읽기, 모델과 옵티마이저 생성
text = 'You say goodbye and I say hello.'
corpus, word_to_id, id_to_word = preprocess(text)

vocab_size = len(word_to_id)
contexts, target = create_contexts_target(corpus, window_size)
target = convert_one_hot(target, vocab_size)
contexts = convert_one_hot(contexts, vocab_size)

model = SimpleCBOW(vocab_size, hidden_size)
optimizer = Adam()

# 학습에 사용하는 변수
data_size = len(contexts)
max_iters = data_size // batch_size
total_loss = 0
loss_count = 0
loss_list = []

eval_interval = 20

start_time = time.time()
for epoch in range(max_epoch):    
    # 뒤섞기
    idx = numpy.random.permutation(numpy.arange(data_size))
    x = contexts[idx]
    t = target[idx]

    for iters in range(max_iters):
        batch_x = x[iters*batch_size:(iters+1)*batch_size]
        batch_t = t[iters*batch_size:(iters+1)*batch_size]
       
        # 기울기 구해 매개변수 갱신
        loss = model.forward(batch_x, batch_t)
        model.backward()
        params, grads = remove_duplicate(model.params, model.grads)  # 공유된 가중치를 하나로 모음

        optimizer.update(params, grads)
        total_loss += loss
        loss_count += 1

        # 평가
        if (iters) % eval_interval == 0:
            avg_loss = total_loss / loss_count
            elapsed_time = time.time() - start_time
            print('| 에폭 %d |  반복 %d / %d | 시간 %d[s] | 손실 %.2f'
                  % (epoch + 1, iters + 1, max_iters, elapsed_time, avg_loss)) 
            loss_list.append(float(avg_loss))
            total_loss, loss_count = 0, 0

| 에폭 1 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 2 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 3 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 4 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 5 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 6 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 7 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 8 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 9 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 10 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 11 |  반복 1 / 2 | 시간 0[s] | 손실 1.95
| 에폭 12 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 13 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 14 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 15 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 16 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 17 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 18 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 19 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 20 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 21 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 22 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 23 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 24 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 25 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 26 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 27 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 28 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 29 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 30 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 31 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 32 |  반복 1 / 2 | 시간 0[s] | 손실 1.94
| 에폭 33 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 34 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 35 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 36 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 37 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 38 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 39 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 40 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 41 |  반복 1 / 2 | 시간 0[s] | 손실 1.93
| 에폭 42 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 43 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 44 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 45 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 46 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 47 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 48 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 49 |  반복 1 / 2 | 시간 0[s] | 손실 1.92
| 에폭 50 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 51 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 52 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 53 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 54 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 55 |  반복 1 / 2 | 시간 0[s] | 손실 1.90
| 에폭 56 |  반복 1 / 2 | 시간 0[s] | 손실 1.91
| 에폭 57 |  반복 1 / 2 | 시간 0[s] | 손실 1.89
| 에폭 58 |  반복 1 / 2 | 시간 0[s] | 손실 1.90
| 에폭 59 |  반복 1 / 2 | 시간 0[s] | 손실 1.90
| 에폭 60 |  반복 1 / 2 | 시간 0[s] | 손실 1.89
| 에폭 61 |  반복 1 / 2 | 시간 0[s] | 손실 1.89
| 에폭 62 |  반복 1 / 2 | 시간 0[s] | 손실 1.89
| 에폭 63 |  반복 1 / 2 | 시간 0[s] | 손실 1.89
| 에폭 64 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 65 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 66 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 67 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 68 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 69 |  반복 1 / 2 | 시간 0[s] | 손실 1.86
| 에폭 70 |  반복 1 / 2 | 시간 0[s] | 손실 1.88
| 에폭 71 |  반복 1 / 2 | 시간 0[s] | 손실 1.87
| 에폭 72 |  반복 1 / 2 | 시간 0[s] | 손실 1.86
| 에폭 73 |  반복 1 / 2 | 시간 0[s] | 손실 1.87
| 에폭 74 |  반복 1 / 2 | 시간 0[s] | 손실 1.85
| 에폭 75 |  반복 1 / 2 | 시간 0[s] | 손실 1.87
| 에폭 76 |  반복 1 / 2 | 시간 0[s] | 손실 1.85
| 에폭 77 |  반복 1 / 2 | 시간 0[s] | 손실 1.86
| 에폭 78 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 79 |  반복 1 / 2 | 시간 0[s] | 손실 1.85
| 에폭 80 |  반복 1 / 2 | 시간 0[s] | 손실 1.84
| 에폭 81 |  반복 1 / 2 | 시간 0[s] | 손실 1.84
| 에폭 82 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 83 |  반복 1 / 2 | 시간 0[s] | 손실 1.85
| 에폭 84 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 85 |  반복 1 / 2 | 시간 0[s] | 손실 1.81
| 에폭 86 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 87 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 88 |  반복 1 / 2 | 시간 0[s] | 손실 1.81
| 에폭 89 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 90 |  반복 1 / 2 | 시간 0[s] | 손실 1.81
| 에폭 91 |  반복 1 / 2 | 시간 0[s] | 손실 1.81
| 에폭 92 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 93 |  반복 1 / 2 | 시간 0[s] | 손실 1.83
| 에폭 94 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 95 |  반복 1 / 2 | 시간 0[s] | 손실 1.81
| 에폭 96 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 97 |  반복 1 / 2 | 시간 0[s] | 손실 1.76
| 에폭 98 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 99 |  반복 1 / 2 | 시간 0[s] | 손실 1.78
| 에폭 100 |  반복 1 / 2 | 시간 0[s] | 손실 1.78
| 에폭 101 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 102 |  반복 1 / 2 | 시간 0[s] | 손실 1.79
| 에폭 103 |  반복 1 / 2 | 시간 0[s] | 손실 1.76
| 에폭 104 |  반복 1 / 2 | 시간 0[s] | 손실 1.75
| 에폭 105 |  반복 1 / 2 | 시간 0[s] | 손실 1.77
| 에폭 106 |  반복 1 / 2 | 시간 0[s] | 손실 1.76
| 에폭 107 |  반복 1 / 2 | 시간 0[s] | 손실 1.75
| 에폭 108 |  반복 1 / 2 | 시간 0[s] | 손실 1.77
| 에폭 109 |  반복 1 / 2 | 시간 0[s] | 손실 1.71
| 에폭 110 |  반복 1 / 2 | 시간 0[s] | 손실 1.76
| 에폭 111 |  반복 1 / 2 | 시간 0[s] | 손실 1.74
| 에폭 112 |  반복 1 / 2 | 시간 0[s] | 손실 1.75
| 에폭 113 |  반복 1 / 2 | 시간 0[s] | 손실 1.73
| 에폭 114 |  반복 1 / 2 | 시간 0[s] | 손실 1.71
| 에폭 115 |  반복 1 / 2 | 시간 0[s] | 손실 1.71
| 에폭 116 |  반복 1 / 2 | 시간 0[s] | 손실 1.74
| 에폭 117 |  반복 1 / 2 | 시간 0[s] | 손실 1.73
| 에폭 118 |  반복 1 / 2 | 시간 0[s] | 손실 1.70
| 에폭 119 |  반복 1 / 2 | 시간 0[s] | 손실 1.69
| 에폭 120 |  반복 1 / 2 | 시간 0[s] | 손실 1.72
| 에폭 121 |  반복 1 / 2 | 시간 0[s] | 손실 1.72
| 에폭 122 |  반복 1 / 2 | 시간 0[s] | 손실 1.68
| 에폭 123 |  반복 1 / 2 | 시간 0[s] | 손실 1.69
| 에폭 124 |  반복 1 / 2 | 시간 0[s] | 손실 1.69
| 에폭 125 |  반복 1 / 2 | 시간 0[s] | 손실 1.68
| 에폭 126 |  반복 1 / 2 | 시간 0[s] | 손실 1.66
| 에폭 127 |  반복 1 / 2 | 시간 0[s] | 손실 1.70
| 에폭 128 |  반복 1 / 2 | 시간 0[s] | 손실 1.67
| 에폭 129 |  반복 1 / 2 | 시간 0[s] | 손실 1.69
| 에폭 130 |  반복 1 / 2 | 시간 0[s] | 손실 1.64
| 에폭 131 |  반복 1 / 2 | 시간 0[s] | 손실 1.66
| 에폭 132 |  반복 1 / 2 | 시간 0[s] | 손실 1.66
| 에폭 133 |  반복 1 / 2 | 시간 0[s] | 손실 1.65
| 에폭 134 |  반복 1 / 2 | 시간 0[s] | 손실 1.67
| 에폭 135 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 136 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 137 |  반복 1 / 2 | 시간 0[s] | 손실 1.63
| 에폭 138 |  반복 1 / 2 | 시간 0[s] | 손실 1.66
| 에폭 139 |  반복 1 / 2 | 시간 0[s] | 손실 1.63
| 에폭 140 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 141 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 142 |  반복 1 / 2 | 시간 0[s] | 손실 1.61
| 에폭 143 |  반복 1 / 2 | 시간 0[s] | 손실 1.58
| 에폭 144 |  반복 1 / 2 | 시간 0[s] | 손실 1.63
| 에폭 145 |  반복 1 / 2 | 시간 0[s] | 손실 1.60
| 에폭 146 |  반복 1 / 2 | 시간 0[s] | 손실 1.57
| 에폭 147 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 148 |  반복 1 / 2 | 시간 0[s] | 손실 1.62
| 에폭 149 |  반복 1 / 2 | 시간 0[s] | 손실 1.56
| 에폭 150 |  반복 1 / 2 | 시간 0[s] | 손실 1.58
| 에폭 151 |  반복 1 / 2 | 시간 0[s] | 손실 1.57
| 에폭 152 |  반복 1 / 2 | 시간 0[s] | 손실 1.57
| 에폭 153 |  반복 1 / 2 | 시간 0[s] | 손실 1.57
| 에폭 154 |  반복 1 / 2 | 시간 0[s] | 손실 1.56
| 에폭 155 |  반복 1 / 2 | 시간 0[s] | 손실 1.53
| 에폭 156 |  반복 1 / 2 | 시간 0[s] | 손실 1.58
| 에폭 157 |  반복 1 / 2 | 시간 0[s] | 손실 1.52
| 에폭 158 |  반복 1 / 2 | 시간 0[s] | 손실 1.58
| 에폭 159 |  반복 1 / 2 | 시간 0[s] | 손실 1.54
| 에폭 160 |  반복 1 / 2 | 시간 0[s] | 손실 1.50
| 에폭 161 |  반복 1 / 2 | 시간 0[s] | 손실 1.56
| 에폭 162 |  반복 1 / 2 | 시간 0[s] | 손실 1.56
| 에폭 163 |  반복 1 / 2 | 시간 0[s] | 손실 1.46
| 에폭 164 |  반복 1 / 2 | 시간 0[s] | 손실 1.55
| 에폭 165 |  반복 1 / 2 | 시간 0[s] | 손실 1.52
| 에폭 166 |  반복 1 / 2 | 시간 0[s] | 손실 1.51
| 에폭 167 |  반복 1 / 2 | 시간 0[s] | 손실 1.50
| 에폭 168 |  반복 1 / 2 | 시간 0[s] | 손실 1.50
| 에폭 169 |  반복 1 / 2 | 시간 0[s] | 손실 1.54
| 에폭 170 |  반복 1 / 2 | 시간 0[s] | 손실 1.42
| 에폭 171 |  반복 1 / 2 | 시간 0[s] | 손실 1.53
| 에폭 172 |  반복 1 / 2 | 시간 0[s] | 손실 1.52
| 에폭 173 |  반복 1 / 2 | 시간 0[s] | 손실 1.45
| 에폭 174 |  반복 1 / 2 | 시간 0[s] | 손실 1.47
| 에폭 175 |  반복 1 / 2 | 시간 0[s] | 손실 1.47
| 에폭 176 |  반복 1 / 2 | 시간 0[s] | 손실 1.46
| 에폭 177 |  반복 1 / 2 | 시간 0[s] | 손실 1.42
| 에폭 178 |  반복 1 / 2 | 시간 0[s] | 손실 1.50
| 에폭 179 |  반복 1 / 2 | 시간 0[s] | 손실 1.45
| 에폭 180 |  반복 1 / 2 | 시간 0[s] | 손실 1.45
| 에폭 181 |  반복 1 / 2 | 시간 0[s] | 손실 1.44
| 에폭 182 |  반복 1 / 2 | 시간 0[s] | 손실 1.44
| 에폭 183 |  반복 1 / 2 | 시간 0[s] | 손실 1.40
| 에폭 184 |  반복 1 / 2 | 시간 0[s] | 손실 1.47
| 에폭 185 |  반복 1 / 2 | 시간 0[s] | 손실 1.43
| 에폭 186 |  반복 1 / 2 | 시간 0[s] | 손실 1.37
| 에폭 187 |  반복 1 / 2 | 시간 0[s] | 손실 1.47
| 에폭 188 |  반복 1 / 2 | 시간 0[s] | 손실 1.37
| 에폭 189 |  반복 1 / 2 | 시간 0[s] | 손실 1.40
| 에폭 190 |  반복 1 / 2 | 시간 0[s] | 손실 1.45
| 에폭 191 |  반복 1 / 2 | 시간 0[s] | 손실 1.41
| 에폭 192 |  반복 1 / 2 | 시간 0[s] | 손실 1.39
| 에폭 193 |  반복 1 / 2 | 시간 0[s] | 손실 1.39
| 에폭 194 |  반복 1 / 2 | 시간 0[s] | 손실 1.35
| 에폭 195 |  반복 1 / 2 | 시간 0[s] | 손실 1.38
| 에폭 196 |  반복 1 / 2 | 시간 0[s] | 손실 1.43
| 에폭 197 |  반복 1 / 2 | 시간 0[s] | 손실 1.32
| 에폭 198 |  반복 1 / 2 | 시간 0[s] | 손실 1.47
| 에폭 199 |  반복 1 / 2 | 시간 0[s] | 손실 1.37
| 에폭 200 |  반복 1 / 2 | 시간 0[s] | 손실 1.36
| 에폭 201 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 202 |  반복 1 / 2 | 시간 0[s] | 손실 1.40
| 에폭 203 |  반복 1 / 2 | 시간 0[s] | 손실 1.35
| 에폭 204 |  반복 1 / 2 | 시간 0[s] | 손실 1.34
| 에폭 205 |  반복 1 / 2 | 시간 0[s] | 손실 1.34
| 에폭 206 |  반복 1 / 2 | 시간 0[s] | 손실 1.29
| 에폭 207 |  반복 1 / 2 | 시간 0[s] | 손실 1.39
| 에폭 208 |  반복 1 / 2 | 시간 0[s] | 손실 1.37
| 에폭 209 |  반복 1 / 2 | 시간 0[s] | 손실 1.28
| 에폭 210 |  반복 1 / 2 | 시간 0[s] | 손실 1.37
| 에폭 211 |  반복 1 / 2 | 시간 0[s] | 손실 1.33
| 에폭 212 |  반복 1 / 2 | 시간 0[s] | 손실 1.26
| 에폭 213 |  반복 1 / 2 | 시간 0[s] | 손실 1.31
| 에폭 214 |  반복 1 / 2 | 시간 0[s] | 손실 1.31
| 에폭 215 |  반복 1 / 2 | 시간 0[s] | 손실 1.26
| 에폭 216 |  반복 1 / 2 | 시간 0[s] | 손실 1.40
| 에폭 217 |  반복 1 / 2 | 시간 0[s] | 손실 1.24
| 에폭 218 |  반복 1 / 2 | 시간 0[s] | 손실 1.24
| 에폭 219 |  반복 1 / 2 | 시간 0[s] | 손실 1.34
| 에폭 220 |  반복 1 / 2 | 시간 0[s] | 손실 1.28
| 에폭 221 |  반복 1 / 2 | 시간 0[s] | 손실 1.28
| 에폭 222 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 223 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 224 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 225 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 226 |  반복 1 / 2 | 시간 0[s] | 손실 1.25
| 에폭 227 |  반복 1 / 2 | 시간 0[s] | 손실 1.32
| 에폭 228 |  반복 1 / 2 | 시간 0[s] | 손실 1.20
| 에폭 229 |  반복 1 / 2 | 시간 0[s] | 손실 1.19
| 에폭 230 |  반복 1 / 2 | 시간 0[s] | 손실 1.30
| 에폭 231 |  반복 1 / 2 | 시간 0[s] | 손실 1.25
| 에폭 232 |  반복 1 / 2 | 시간 0[s] | 손실 1.30
| 에폭 233 |  반복 1 / 2 | 시간 0[s] | 손실 1.24
| 에폭 234 |  반복 1 / 2 | 시간 0[s] | 손실 1.10
| 에폭 235 |  반복 1 / 2 | 시간 0[s] | 손실 1.29
| 에폭 236 |  반복 1 / 2 | 시간 0[s] | 손실 1.22
| 에폭 237 |  반복 1 / 2 | 시간 0[s] | 손실 1.22
| 에폭 238 |  반복 1 / 2 | 시간 0[s] | 손실 1.23
| 에폭 239 |  반복 1 / 2 | 시간 0[s] | 손실 1.14
| 에폭 240 |  반복 1 / 2 | 시간 0[s] | 손실 1.28
| 에폭 241 |  반복 1 / 2 | 시간 0[s] | 손실 1.20
| 에폭 242 |  반복 1 / 2 | 시간 0[s] | 손실 1.21
| 에폭 243 |  반복 1 / 2 | 시간 0[s] | 손실 1.19
| 에폭 244 |  반복 1 / 2 | 시간 0[s] | 손실 1.19
| 에폭 245 |  반복 1 / 2 | 시간 0[s] | 손실 1.13
| 에폭 246 |  반복 1 / 2 | 시간 0[s] | 손실 1.20
| 에폭 247 |  반복 1 / 2 | 시간 0[s] | 손실 1.25
| 에폭 248 |  반복 1 / 2 | 시간 0[s] | 손실 1.27
| 에폭 249 |  반복 1 / 2 | 시간 0[s] | 손실 1.10
| 에폭 250 |  반복 1 / 2 | 시간 0[s] | 손실 1.17
| 에폭 251 |  반복 1 / 2 | 시간 0[s] | 손실 1.18
| 에폭 252 |  반복 1 / 2 | 시간 0[s] | 손실 1.18
| 에폭 253 |  반복 1 / 2 | 시간 0[s] | 손실 1.24
| 에폭 254 |  반복 1 / 2 | 시간 0[s] | 손실 1.15
| 에폭 255 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 256 |  반복 1 / 2 | 시간 0[s] | 손실 1.15
| 에폭 257 |  반복 1 / 2 | 시간 0[s] | 손실 1.21
| 에폭 258 |  반복 1 / 2 | 시간 0[s] | 손실 1.16
| 에폭 259 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 260 |  반복 1 / 2 | 시간 0[s] | 손실 1.28
| 에폭 261 |  반복 1 / 2 | 시간 0[s] | 손실 1.08
| 에폭 262 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 263 |  반복 1 / 2 | 시간 0[s] | 손실 1.20
| 에폭 264 |  반복 1 / 2 | 시간 0[s] | 손실 1.21
| 에폭 265 |  반복 1 / 2 | 시간 0[s] | 손실 1.13
| 에폭 266 |  반복 1 / 2 | 시간 0[s] | 손실 1.13
| 에폭 267 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 268 |  반복 1 / 2 | 시간 0[s] | 손실 1.11
| 에폭 269 |  반복 1 / 2 | 시간 0[s] | 손실 1.13
| 에폭 270 |  반복 1 / 2 | 시간 0[s] | 손실 1.11
| 에폭 271 |  반복 1 / 2 | 시간 0[s] | 손실 1.10
| 에폭 272 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 273 |  반복 1 / 2 | 시간 0[s] | 손실 1.19
| 에폭 274 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 275 |  반복 1 / 2 | 시간 0[s] | 손실 1.20
| 에폭 276 |  반복 1 / 2 | 시간 0[s] | 손실 1.16
| 에폭 277 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 278 |  반복 1 / 2 | 시간 0[s] | 손실 1.15
| 에폭 279 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 280 |  반복 1 / 2 | 시간 0[s] | 손실 1.08
| 에폭 281 |  반복 1 / 2 | 시간 0[s] | 손실 1.08
| 에폭 282 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 283 |  반복 1 / 2 | 시간 0[s] | 손실 1.08
| 에폭 284 |  반복 1 / 2 | 시간 0[s] | 손실 1.09
| 에폭 285 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 286 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 287 |  반복 1 / 2 | 시간 0[s] | 손실 1.00
| 에폭 288 |  반복 1 / 2 | 시간 0[s] | 손실 1.04
| 에폭 289 |  반복 1 / 2 | 시간 0[s] | 손실 1.14
| 에폭 290 |  반복 1 / 2 | 시간 0[s] | 손실 1.08
| 에폭 291 |  반복 1 / 2 | 시간 0[s] | 손실 1.12
| 에폭 292 |  반복 1 / 2 | 시간 0[s] | 손실 0.99
| 에폭 293 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 294 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 295 |  반복 1 / 2 | 시간 0[s] | 손실 1.15
| 에폭 296 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 297 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 298 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 299 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 300 |  반복 1 / 2 | 시간 0[s] | 손실 1.12
| 에폭 301 |  반복 1 / 2 | 시간 0[s] | 손실 0.92
| 에폭 302 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 303 |  반복 1 / 2 | 시간 0[s] | 손실 1.11
| 에폭 304 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 305 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 306 |  반복 1 / 2 | 시간 0[s] | 손실 0.99
| 에폭 307 |  반복 1 / 2 | 시간 0[s] | 손실 1.04
| 에폭 308 |  반복 1 / 2 | 시간 0[s] | 손실 0.93
| 에폭 309 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 310 |  반복 1 / 2 | 시간 0[s] | 손실 1.00
| 에폭 311 |  반복 1 / 2 | 시간 0[s] | 손실 0.95
| 에폭 312 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 313 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 314 |  반복 1 / 2 | 시간 0[s] | 손실 0.97
| 에폭 315 |  반복 1 / 2 | 시간 0[s] | 손실 1.00
| 에폭 316 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 317 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 318 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 319 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 320 |  반복 1 / 2 | 시간 0[s] | 손실 1.11
| 에폭 321 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 322 |  반복 1 / 2 | 시간 0[s] | 손실 0.98
| 에폭 323 |  반복 1 / 2 | 시간 0[s] | 손실 1.13
| 에폭 324 |  반복 1 / 2 | 시간 0[s] | 손실 0.92
| 에폭 325 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 326 |  반복 1 / 2 | 시간 0[s] | 손실 0.97
| 에폭 327 |  반복 1 / 2 | 시간 0[s] | 손실 1.01
| 에폭 328 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 329 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 330 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 331 |  반복 1 / 2 | 시간 0[s] | 손실 0.99
| 에폭 332 |  반복 1 / 2 | 시간 0[s] | 손실 0.75
| 에폭 333 |  반복 1 / 2 | 시간 0[s] | 손실 1.14
| 에폭 334 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 335 |  반복 1 / 2 | 시간 0[s] | 손실 1.05
| 에폭 336 |  반복 1 / 2 | 시간 0[s] | 손실 1.01
| 에폭 337 |  반복 1 / 2 | 시간 0[s] | 손실 0.86
| 에폭 338 |  반복 1 / 2 | 시간 0[s] | 손실 1.03
| 에폭 339 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 340 |  반복 1 / 2 | 시간 0[s] | 손실 1.00
| 에폭 341 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 342 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 343 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 344 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 345 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 346 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 347 |  반복 1 / 2 | 시간 0[s] | 손실 0.97
| 에폭 348 |  반복 1 / 2 | 시간 0[s] | 손실 1.11
| 에폭 349 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 350 |  반복 1 / 2 | 시간 0[s] | 손실 0.88
| 에폭 351 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 352 |  반복 1 / 2 | 시간 0[s] | 손실 1.06
| 에폭 353 |  반복 1 / 2 | 시간 0[s] | 손실 0.92
| 에폭 354 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 355 |  반복 1 / 2 | 시간 0[s] | 손실 0.91
| 에폭 356 |  반복 1 / 2 | 시간 0[s] | 손실 1.01
| 에폭 357 |  반복 1 / 2 | 시간 0[s] | 손실 0.95
| 에폭 358 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 359 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 360 |  반복 1 / 2 | 시간 0[s] | 손실 1.04
| 에폭 361 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 362 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 363 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 364 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 365 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 366 |  반복 1 / 2 | 시간 0[s] | 손실 0.95
| 에폭 367 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 368 |  반복 1 / 2 | 시간 0[s] | 손실 0.95
| 에폭 369 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 370 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 371 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 372 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 373 |  반복 1 / 2 | 시간 0[s] | 손실 0.88
| 에폭 374 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 375 |  반복 1 / 2 | 시간 0[s] | 손실 0.86
| 에폭 376 |  반복 1 / 2 | 시간 0[s] | 손실 1.02
| 에폭 377 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 378 |  반복 1 / 2 | 시간 0[s] | 손실 0.92
| 에폭 379 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 380 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 381 |  반복 1 / 2 | 시간 0[s] | 손실 0.97
| 에폭 382 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 383 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 384 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 385 |  반복 1 / 2 | 시간 0[s] | 손실 0.99
| 에폭 386 |  반복 1 / 2 | 시간 0[s] | 손실 0.88
| 에폭 387 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 388 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 389 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 390 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 391 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 392 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 393 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 394 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 395 |  반복 1 / 2 | 시간 0[s] | 손실 0.95
| 에폭 396 |  반복 1 / 2 | 시간 0[s] | 손실 0.88
| 에폭 397 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 398 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 399 |  반복 1 / 2 | 시간 0[s] | 손실 0.96
| 에폭 400 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 401 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 402 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 403 |  반복 1 / 2 | 시간 0[s] | 손실 0.92
| 에폭 404 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 405 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 406 |  반복 1 / 2 | 시간 0[s] | 손실 0.78
| 에폭 407 |  반복 1 / 2 | 시간 0[s] | 손실 1.07
| 에폭 408 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 409 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 410 |  반복 1 / 2 | 시간 0[s] | 손실 0.78
| 에폭 411 |  반복 1 / 2 | 시간 0[s] | 손실 0.86
| 에폭 412 |  반복 1 / 2 | 시간 0[s] | 손실 0.78
| 에폭 413 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 414 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 415 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 416 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 417 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 418 |  반복 1 / 2 | 시간 0[s] | 손실 0.91
| 에폭 419 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 420 |  반복 1 / 2 | 시간 0[s] | 손실 0.87
| 에폭 421 |  반복 1 / 2 | 시간 0[s] | 손실 0.82
| 에폭 422 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 423 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 424 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 425 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 426 |  반복 1 / 2 | 시간 0[s] | 손실 0.82
| 에폭 427 |  반복 1 / 2 | 시간 0[s] | 손실 0.90
| 에폭 428 |  반복 1 / 2 | 시간 0[s] | 손실 0.75
| 에폭 429 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 430 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 431 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 432 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 433 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 434 |  반복 1 / 2 | 시간 0[s] | 손실 0.89
| 에폭 435 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 436 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 437 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 438 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 439 |  반복 1 / 2 | 시간 0[s] | 손실 0.88
| 에폭 440 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 441 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 442 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 443 |  반복 1 / 2 | 시간 0[s] | 손실 0.94
| 에폭 444 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 445 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 446 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 447 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 448 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 449 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 450 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 451 |  반복 1 / 2 | 시간 0[s] | 손실 0.68
| 에폭 452 |  반복 1 / 2 | 시간 0[s] | 손실 0.68
| 에폭 453 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 454 |  반복 1 / 2 | 시간 0[s] | 손실 0.91
| 에폭 455 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 456 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 457 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 458 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 459 |  반복 1 / 2 | 시간 0[s] | 손실 0.82
| 에폭 460 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 461 |  반복 1 / 2 | 시간 0[s] | 손실 0.93
| 에폭 462 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 463 |  반복 1 / 2 | 시간 0[s] | 손실 0.84
| 에폭 464 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 465 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 466 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 467 |  반복 1 / 2 | 시간 0[s] | 손실 0.75
| 에폭 468 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 469 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 470 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 471 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 472 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 473 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 474 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 475 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 476 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 477 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 478 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 479 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 480 |  반복 1 / 2 | 시간 0[s] | 손실 0.83
| 에폭 481 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 482 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 483 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 484 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 485 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 486 |  반복 1 / 2 | 시간 0[s] | 손실 0.81
| 에폭 487 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 488 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 489 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 490 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 491 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 492 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 493 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 494 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 495 |  반복 1 / 2 | 시간 0[s] | 손실 0.80
| 에폭 496 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 497 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 498 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 499 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 500 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 501 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 502 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 503 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 504 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 505 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 506 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 507 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 508 |  반복 1 / 2 | 시간 0[s] | 손실 0.78
| 에폭 509 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 510 |  반복 1 / 2 | 시간 0[s] | 손실 0.85
| 에폭 511 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 512 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 513 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 514 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 515 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 516 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 517 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 518 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 519 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 520 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 521 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 522 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 523 |  반복 1 / 2 | 시간 0[s] | 손실 0.76
| 에폭 524 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 525 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 526 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 527 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 528 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 529 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 530 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 531 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 532 |  반복 1 / 2 | 시간 0[s] | 손실 0.75
| 에폭 533 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 534 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 535 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 536 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 537 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 538 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 539 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 540 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 541 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 542 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 543 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 544 |  반복 1 / 2 | 시간 0[s] | 손실 0.74
| 에폭 545 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 546 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 547 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 548 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 549 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 550 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 551 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 552 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 553 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 554 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 555 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 556 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 557 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 558 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 559 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 560 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 561 |  반복 1 / 2 | 시간 0[s] | 손실 0.73
| 에폭 562 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 563 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 564 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 565 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 566 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 567 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 568 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 569 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 570 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 571 |  반복 1 / 2 | 시간 0[s] | 손실 0.72
| 에폭 572 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 573 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 574 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 575 |  반복 1 / 2 | 시간 0[s] | 손실 0.79
| 에폭 576 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 577 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 578 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 579 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 580 |  반복 1 / 2 | 시간 0[s] | 손실 0.71
| 에폭 581 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 582 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 583 |  반복 1 / 2 | 시간 0[s] | 손실 0.69
| 에폭 584 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 585 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 586 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 587 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 588 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 589 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 590 |  반복 1 / 2 | 시간 0[s] | 손실 0.70
| 에폭 591 |  반복 1 / 2 | 시간 0[s] | 손실 0.68
| 에폭 592 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 593 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 594 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 595 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 596 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 597 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 598 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 599 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 600 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 601 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 602 |  반복 1 / 2 | 시간 0[s] | 손실 0.68
| 에폭 603 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 604 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 605 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 606 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 607 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 608 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 609 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 610 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 611 |  반복 1 / 2 | 시간 0[s] | 손실 0.66
| 에폭 612 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 613 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 614 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 615 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 616 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 617 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 618 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 619 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 620 |  반복 1 / 2 | 시간 0[s] | 손실 0.67
| 에폭 621 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 622 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 623 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 624 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 625 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 626 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 627 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 628 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 629 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 630 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 631 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 632 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 633 |  반복 1 / 2 | 시간 0[s] | 손실 0.64
| 에폭 634 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 635 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 636 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 637 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 638 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 639 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 640 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 641 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 642 |  반복 1 / 2 | 시간 0[s] | 손실 0.65
| 에폭 643 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 644 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 645 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 646 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 647 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 648 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 649 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 650 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 651 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 652 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 653 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 654 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 655 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 656 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 657 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 658 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 659 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 660 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 661 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 662 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 663 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 664 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 665 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 666 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 667 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 668 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 669 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 670 |  반복 1 / 2 | 시간 0[s] | 손실 0.59
| 에폭 671 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 672 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 673 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 674 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 675 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 676 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 677 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 678 |  반복 1 / 2 | 시간 0[s] | 손실 0.77
| 에폭 679 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 680 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 681 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 682 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 683 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 684 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 685 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 686 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 687 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 688 |  반복 1 / 2 | 시간 0[s] | 손실 0.62
| 에폭 689 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 690 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 691 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 692 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 693 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 694 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 695 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 696 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 697 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 698 |  반복 1 / 2 | 시간 0[s] | 손실 0.42
| 에폭 699 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 700 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 701 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 702 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 703 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 704 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 705 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 706 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 707 |  반복 1 / 2 | 시간 0[s] | 손실 0.61
| 에폭 708 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 709 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 710 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 711 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 712 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 713 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 714 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 715 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 716 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 717 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 718 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 719 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 720 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 721 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 722 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 723 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 724 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 725 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 726 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 727 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 728 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 729 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 730 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 731 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 732 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 733 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 734 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 735 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 736 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 737 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 738 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 739 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 740 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 741 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 742 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 743 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 744 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 745 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 746 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 747 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 748 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 749 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 750 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 751 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 752 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 753 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 754 |  반복 1 / 2 | 시간 0[s] | 손실 0.21
| 에폭 755 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 756 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 757 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 758 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 759 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 760 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 761 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 762 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 763 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 764 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 765 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 766 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 767 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 768 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 769 |  반복 1 / 2 | 시간 0[s] | 손실 0.54
| 에폭 770 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 771 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 772 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 773 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 774 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 775 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 776 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 777 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 778 |  반복 1 / 2 | 시간 0[s] | 손실 0.42
| 에폭 779 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 780 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 781 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 782 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 783 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 784 |  반복 1 / 2 | 시간 0[s] | 손실 0.60
| 에폭 785 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 786 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 787 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 788 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 789 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 790 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 791 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 792 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 793 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 794 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 795 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 796 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 797 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 798 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 799 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 800 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 801 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 802 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 803 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 804 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 805 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 806 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 807 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 808 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 809 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 810 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 811 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 812 |  반복 1 / 2 | 시간 0[s] | 손실 0.27
| 에폭 813 |  반복 1 / 2 | 시간 0[s] | 손실 0.63
| 에폭 814 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 815 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 816 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 817 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 818 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 819 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 820 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 821 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 822 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 823 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 824 |  반복 1 / 2 | 시간 0[s] | 손실 0.42
| 에폭 825 |  반복 1 / 2 | 시간 0[s] | 손실 0.42
| 에폭 826 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 827 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 828 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 829 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 830 |  반복 1 / 2 | 시간 0[s] | 손실 0.58
| 에폭 831 |  반복 1 / 2 | 시간 0[s] | 손실 0.21
| 에폭 832 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 833 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 834 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 835 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 836 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 837 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 838 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 839 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 840 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 841 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 842 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 843 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 844 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 845 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 846 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 847 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 848 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 849 |  반복 1 / 2 | 시간 0[s] | 손실 0.21
| 에폭 850 |  반복 1 / 2 | 시간 0[s] | 손실 0.45
| 에폭 851 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 852 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 853 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 854 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 855 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 856 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 857 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 858 |  반복 1 / 2 | 시간 0[s] | 손실 0.22
| 에폭 859 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 860 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 861 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 862 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 863 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 864 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 865 |  반복 1 / 2 | 시간 0[s] | 손실 0.18
| 에폭 866 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 867 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 868 |  반복 1 / 2 | 시간 0[s] | 손실 0.57
| 에폭 869 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 870 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 871 |  반복 1 / 2 | 시간 0[s] | 손실 0.20
| 에폭 872 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 873 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 874 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 875 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 876 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 877 |  반복 1 / 2 | 시간 0[s] | 손실 0.48
| 에폭 878 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 879 |  반복 1 / 2 | 시간 0[s] | 손실 0.29
| 에폭 880 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 881 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 882 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 883 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 884 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 885 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 886 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 887 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 888 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 889 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 890 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 891 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 892 |  반복 1 / 2 | 시간 0[s] | 손실 0.17
| 에폭 893 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 894 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 895 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 896 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 897 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 898 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 899 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 900 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 901 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 902 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 903 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 904 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 905 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 906 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 907 |  반복 1 / 2 | 시간 0[s] | 손실 0.49
| 에폭 908 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 909 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 910 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 911 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 912 |  반복 1 / 2 | 시간 0[s] | 손실 0.24
| 에폭 913 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 914 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 915 |  반복 1 / 2 | 시간 0[s] | 손실 0.30
| 에폭 916 |  반복 1 / 2 | 시간 0[s] | 손실 0.46
| 에폭 917 |  반복 1 / 2 | 시간 0[s] | 손실 0.28
| 에폭 918 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 919 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 920 |  반복 1 / 2 | 시간 0[s] | 손실 0.25
| 에폭 921 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 922 |  반복 1 / 2 | 시간 0[s] | 손실 0.41
| 에폭 923 |  반복 1 / 2 | 시간 0[s] | 손실 0.23
| 에폭 924 |  반복 1 / 2 | 시간 0[s] | 손실 0.51
| 에폭 925 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 926 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 927 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 928 |  반복 1 / 2 | 시간 0[s] | 손실 0.40
| 에폭 929 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 930 |  반복 1 / 2 | 시간 0[s] | 손실 0.25
| 에폭 931 |  반복 1 / 2 | 시간 0[s] | 손실 0.44
| 에폭 932 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 933 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 934 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 935 |  반복 1 / 2 | 시간 0[s] | 손실 0.50
| 에폭 936 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 937 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 938 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 939 |  반복 1 / 2 | 시간 0[s] | 손실 0.25
| 에폭 940 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 941 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 942 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 943 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 944 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 945 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 946 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 947 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 948 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 949 |  반복 1 / 2 | 시간 0[s] | 손실 0.28
| 에폭 950 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 951 |  반복 1 / 2 | 시간 0[s] | 손실 0.24
| 에폭 952 |  반복 1 / 2 | 시간 0[s] | 손실 0.39
| 에폭 953 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 954 |  반복 1 / 2 | 시간 0[s] | 손실 0.22
| 에폭 955 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 956 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 957 |  반복 1 / 2 | 시간 0[s] | 손실 0.55
| 에폭 958 |  반복 1 / 2 | 시간 0[s] | 손실 0.16
| 에폭 959 |  반복 1 / 2 | 시간 0[s] | 손실 0.47
| 에폭 960 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 961 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 962 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 963 |  반복 1 / 2 | 시간 0[s] | 손실 0.27
| 에폭 964 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 965 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 966 |  반복 1 / 2 | 시간 0[s] | 손실 0.28
| 에폭 967 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 968 |  반복 1 / 2 | 시간 0[s] | 손실 0.27
| 에폭 969 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 970 |  반복 1 / 2 | 시간 0[s] | 손실 0.26
| 에폭 971 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 972 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 973 |  반복 1 / 2 | 시간 0[s] | 손실 0.37
| 에폭 974 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 975 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 976 |  반복 1 / 2 | 시간 0[s] | 손실 0.52
| 에폭 977 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 978 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 979 |  반복 1 / 2 | 시간 0[s] | 손실 0.17
| 에폭 980 |  반복 1 / 2 | 시간 0[s] | 손실 0.53
| 에폭 981 |  반복 1 / 2 | 시간 0[s] | 손실 0.23
| 에폭 982 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 983 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 984 |  반복 1 / 2 | 시간 0[s] | 손실 0.38
| 에폭 985 |  반복 1 / 2 | 시간 0[s] | 손실 0.31
| 에폭 986 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 987 |  반복 1 / 2 | 시간 0[s] | 손실 0.34
| 에폭 988 |  반복 1 / 2 | 시간 0[s] | 손실 0.23
| 에폭 989 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 990 |  반복 1 / 2 | 시간 0[s] | 손실 0.42
| 에폭 991 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 992 |  반복 1 / 2 | 시간 0[s] | 손실 0.43
| 에폭 993 |  반복 1 / 2 | 시간 0[s] | 손실 0.36
| 에폭 994 |  반복 1 / 2 | 시간 0[s] | 손실 0.22
| 에폭 995 |  반복 1 / 2 | 시간 0[s] | 손실 0.32
| 에폭 996 |  반복 1 / 2 | 시간 0[s] | 손실 0.35
| 에폭 997 |  반복 1 / 2 | 시간 0[s] | 손실 0.33
| 에폭 998 |  반복 1 / 2 | 시간 0[s] | 손실 0.23
| 에폭 999 |  반복 1 / 2 | 시간 0[s] | 손실 0.56
| 에폭 1000 |  반복 1 / 2 | 시간 0[s] | 손실 0.22

model.word_vecs

array([[ 1.2997509 , -1.4294258 ,  1.0851452 , -1.3902423 , -1.2520754 ],
       [ 1.3512844 , -0.8236928 , -0.62166107, -0.3792125 ,  1.4348857 ],
       [-1.4376724 , -0.30848724,  0.92025673, -0.22196388, -1.1369592 ],
       [ 1.291177  ,  0.65267915,  1.851313  , -1.6272879 ,  1.4421852 ],
       [-1.4553913 , -0.32604972,  0.93527246, -0.2177311 , -1.1354849 ],
       [ 1.2985617 , -1.4149104 ,  1.0982975 , -1.4011759 , -1.2420304 ],
       [ 0.99692357, -1.4529222 , -1.4359705 ,  1.4742373 ,  0.8029028 ]],
      dtype=float32)

id_to_word

{0: 'you', 1: 'say', 2: 'goodbye', 3: 'and', 4: 'i', 5: 'hello', 6: '.'}

word_vecs = model.word_vecs
for word_id, word in id_to_word.items():
    print(word, word_vecs[word_id])

you [ 1.2997509 -1.4294258  1.0851452 -1.3902423 -1.2520754]
say [ 1.3512844  -0.8236928  -0.62166107 -0.3792125   1.4348857 ]
goodbye [-1.4376724  -0.30848724  0.92025673 -0.22196388 -1.1369592 ]
and [ 1.291177    0.65267915  1.851313   -1.6272879   1.4421852 ]
i [-1.4553913  -0.32604972  0.93527246 -0.2177311  -1.1354849 ]
hello [ 1.2985617 -1.4149104  1.0982975 -1.4011759 -1.2420304]
. [ 0.99692357 -1.4529222  -1.4359705   1.4742373   0.8029028 ]

Reference

• 밑바닥부터 시작하는 딥러닝 2 (사이토 고키 저)