W&B란 무엇인가요?

Weights & Biases(W&B)는 모델 트레이닝, 파인 튜닝 및 파운데이션 모델 활용을 위한 AI 개발자 플랫폼입니다.

W&B를 5분 만에 설치한 후, 신뢰할 수 있는 기록 시스템에 모델과 데이터가 추적되고 버전 관리되고 있다는 확신을 가지고 머신러닝 파이프라인을 빠르게 반복하세요.

이 다이어그램은 W&B 제품 간의 관계를 간략하게 설명합니다.

W&B Models는 모델 트레이닝 및 파인 튜닝을 위한 가볍고 상호 운용 가능한 도구 세트입니다.

• Experiments: 기계학습 실험 추적
• Model Registry: 프로덕션 모델의 중앙 관리
• Launch: 워크로드의 확장과 자동화
• Sweeps: 하이퍼파라미터 튜닝 및 모델 최적화

W&B Prompts는 LLMs의 디버깅 및 평가를 위한 것입니다.

W&B Platform은 데이터와 모델을 추적하고 시각화하며 결과를 공유하는 기능을 위한 강력한 기본 구성 요소 세트입니다.

• Artifacts: 자산 버전 관리 및 계보 추적
• Tables: 표 형식 데이터의 시각화 및 쿼리
• Reports: 발견한 내용의 문서화 및 협업
• Weave 데이터의 쿼리 및 시각화

W&B를 처음 사용하시나요?

다음 자료를 통해 W&B를 살펴 보세요:

1. Intro Notebook: 간단한 샘플 코드를 실행하여 5분 안에 실험을 추적해 보세요.
2. 퀵스타트: 코드에 W&B를 어디에 어떻게 추가해야 하는지에 대한 간단한 개요를 읽어보세요.
3. 인테그레이션 가이드 와 W&B 간단한 인테그레이션 YouTube 플레이리스트를 둘러보며 선호하는 머신러닝 프레임워크와 W&B를 통합하는 방법에 대한 정보를 얻으세요.
4. W&B Python Library, CLI 및 Weave 작업에 대한 기술 사양은 API 참조 가이드를 참조하세요.

W&B는 어떻게 작동하나요?

W&B를 처음 사용하는 경우 이 섹션을 순서대로 읽는 것을 추천해 드립니다:

1. W&B의 기본 계산 단위인 Runs에 대해 알아보세요.
2. Experiments를 사용하여 머신러닝 실험을 생성하고 추적하세요.
3. 데이터셋 및 모델 버전 관리를 위한 W&B의 유연하고 가벼운 빌딩 블록인 Artifacts에 대해 알아보세요.
4. Sweeps로 하이퍼파라미터 검색을 자동화하고 모델의 가능성을 탐색하세요.
5. Model Management로 트레이닝부터 프로덕션까지 모델 라이프라이클을 관리하세요.
6. Data Visualization 가이드를 통해 모델 버전별 예측값을 시각화하세요.
7. Reports로 W&B Runs를 구성하고 시각화를 내장화 및 자동화하며, 발견한 내용을 설명하고 협업자와 업데이트를 공유하세요.