> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# YOLOv5
> YOLOv5에 내장된 W&B 인테그레이션을 사용해 실험 추적, 모델 버전 관리, 예측 시각화를 수행합니다.
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
[Ultralytics' YOLOv5](https://www.ultralytics.com/yolo) ("You Only Look Once") 모델 제품군은 합성곱 신경망을 사용해 번거로운 과정 없이 실시간 객체 탐지를 구현할 수 있게 해줍니다.
[W\&B](https://wandb.com)는 YOLOv5에 직접 통합되어 있어 실험 메트릭 추적, 모델 및 데이터셋 버전 관리, 풍부한 모델 예측 시각화 등을 제공합니다. **YOLO 실험을 실행하기 전에 `pip install`만 한 번 실행하면 될 정도로 간단합니다.**
모든 W\&B 로깅 기능은 [PyTorch DDP](https://pytorch.org/tutorials/intermediate/ddp_tutorial.html)와 같은 데이터 병렬 멀티 GPU 트레이닝과 호환됩니다.
## 핵심 실험 추적하기
`wandb`를 설치하기만 하면 기본 제공되는 W\&B [로깅 기능](/ko/models/track/log/)이 활성화됩니다: 시스템 메트릭, 모델 메트릭, 그리고 대화형 [대시보드](/ko/models/track/workspaces/)에 로깅되는 미디어.
```python theme={null}
pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py # 소규모 데이터셋에서 소규모 네트워크를 트레이닝합니다
```
wandb가 표준 출력에 표시한 링크를 따라가면 됩니다.
## 인테그레이션 사용자 지정하기
YOLO에 몇 가지 단순한 명령줄 인수를 전달하면 W\&B의 더 많은 기능을 활용할 수 있습니다.
* `--save_period`에 숫자를 전달하면 W\&B가 `save_period` 에포크마다 끝날 때 [모델 버전](/ko/models/registry/)을 저장합니다. 모델 버전에는 모델 가중치가 포함되며, 검증 세트에서 가장 성능이 좋은 모델에 태그가 지정됩니다.
* `--upload_dataset` 플래그를 켜면 데이터 버전 관리를 위해 데이터셋도 업로드됩니다.
* `--bbox_interval`에 숫자를 전달하면 [data visualization](../)이 활성화됩니다. `bbox_interval` 에포크마다 끝날 때 검증 세트에 대한 모델 출력이 W\&B에 업로드됩니다.
```python theme={null}
python yolov5/train.py --epochs 20 --save_period 1
```
```python theme={null}
python yolov5/train.py --epochs 20 --save_period 1 \
--upload_dataset --bbox_interval 1
```
모든 W\&B 계정에는 데이터셋과 모델을 위한 100GB의 무료 저장소가 제공됩니다.
다음과 같이 표시됩니다.
데이터와 모델 버전 관리를 사용하면 별도 설정 없이 어떤 기기에서든 일시 중지되었거나 비정상 종료된 Experiments를 재개할 수 있습니다. 자세한 내용은 [Colab](https://wandb.me/yolo-colab)을 확인하세요.
