Update inference.py

inference.py

@@ -157,11 +157,18 @@ def evaluate_performance(args, model, scaler, device):
     return np.array(preds_unscaled), np.array(trues_unscaled)
 
 
-# --- 5. 메인 로직 ---
 if __name__ == '__main__':
+    
     final_output = {}
+    log_file_path = 'error_log.txt'
+
+    # 이전 로그 파일이 있다면 삭제
+    if os.path.exists(log_file_path):
+        os.remove(log_file_path)
+
     try:
         model, scaler, device = load_model_and_scaler(args)
+        
         if args.predict_input_file:
             print("--- Running in Single Prediction Mode ---", file=sys.stderr)
             prediction = predict_future(args, model, scaler, device)
@@ -171,8 +178,6 @@ if __name__ == '__main__':
             print("--- Running in Rolling Evaluation Mode ---", file=sys.stderr)
             eval_preds, eval_trues = evaluate_performance(args, model, scaler, device)
             
-            # ⭐️⭐️⭐️ 안전장치 추가 ⭐️⭐️⭐️
-            # 예측 결과가 비어있는지 확인합니다.
             if eval_preds.size == 0 or eval_trues.size == 0:
                 final_output = {"status": "error", "message": "Evaluation resulted in empty arrays. Check input data length."}
             else:
@@ -180,7 +185,14 @@ if __name__ == '__main__':
                 final_output = {"status": "success", "mode": "rolling_evaluation", "mse": mse, "mae": mae}
         else:
             final_output = {"status": "error", "message": "No mode selected."}
+
     except Exception as e:
+        # ⭐️ 에러 발생 시, 상세 내용을 파일에 기록합니다.
+        error_message = traceback.format_exc()
+        with open(log_file_path, 'w') as f:
+            f.write(error_message)
+        # 최종 출력에도 에러 정보를 담습니다.
         final_output = {"status": "error", "message": str(e)}
 
+    # 메인 로직의 끝에서, 최종 결과를 JSON으로 출력합니다.
     print(json.dumps(final_output, indent=2))