퀵스타트
W&B를 설치하고 몇 분 안에 머신러닝 실험 추적을 시작하세요.
1. 계정 생성 및 W&B 설치
시작하기 전에 계정을 생성하고 W&B를 설치해야 합니다:
- https://wandb.ai/site에서 무료 계정에 가입한 후 wandb 계정에 로그인하세요.
pip를 사용하여 Python 3 환경에서 컴퓨터에 wandb 라이브러리를 설치하세요.
다음 코드조각은 W&B CLI 및 Python 라이브러리를 사용하여 W&B에 설치하고 로그인하는 방법을 보여줍니다:
- 노트북
- 커맨드라인
Weights and Biases API와 상호작용하기 위한 CLI 및 Python 라이브러리 설치:
pip install wandb
Weights and Biases API와 상호작용하기 위한 CLI 및 Python 라이브러리 설치:
!pip install wandb
2. W&B에 로그인하기
- 노트북
- 커맨드라인
3. run 시작 및 하이퍼파라미터 추적
Python 스크립트나 노트북에서 wandb.init()으로 W&B Run 오브젝트를 초기화하고, 하이퍼파라미터 이름과 값의 키-값 페어를 config 파라미터에 딕셔너리로 전달하세요:
run = wandb.init(
# 이 run이 기록될 프로젝트 설정
project="my-awesome-project",
# 하이퍼파라미터와 run 메타데이터 추적
config={
"learning_rate": 0.01,
"epochs": 10,
},
)
run은 W&B의 기본 구성 요소입니다. 메트릭 추적, 로그 생성, job 생성 등을 자주 사용하게 될 것입니다.
모든 것을 통합하기
이 모든 것을 종합하면 훈련 스크립트는 다음 코드 예제와 비슷하게 보일 수 있습니다. 하이라이트된 코드는 W&B 관련 코드입니다. 머신러닝 훈련을 모방하는 코드가 추가되어있는 점 참고하세요.
# train.py
import wandb
import random # 데모 스크립트용
wandb.login()
epochs = 10
lr = 0.01
run = wandb.init(
# 이 run이 기록될 프로젝트 설정
project="my-awesome-project",
# 하이퍼파라미터와 run 메타데이터 추적
config={
"learning_rate": lr,
"epochs": epochs,
},
)
offset = random.random() / 5
print(f"lr: {lr}")
# 트레이닝 run을 시뮬레이션
for epoch in range(2, epochs):
acc = 1 - 2**-epoch - random.random() / epoch - offset
loss = 2**-epoch + random.random() / epoch + offset
print(f"epoch={epoch}, accuracy={acc}, loss={loss}")
wandb.log({"accuracy": acc, "loss": loss})
# run.log_code()
다 되었습니다! https://wandb.ai/home에서 W&B로 로그한 메트릭(정확도 및 손실)이 각 트레이닝 단계에서 어떻게 개선되었는지 확인하세요.
위의 이미지(확대하려면 클릭)는 위에 있는 스크립트를 실행할 때마다 추적된 손실과 정확도를 보여주고 있습니다. 생성된 각 run 오브젝트는 Runs 열에 표시됩니다. 각 run 이름은 무작위로 생성됩니다.
다음 단계는 무엇인가요?
W&B 에코시스템의 나머지 부분을 살펴보세요.
- PyTorch와 같은 ML 프레임워크, Hugging Face와 같은 ML 라이브러리, 또는 SageMaker와 같은 ML 서비스와 W&B를 통합하는 방법을 알아보려면 W&B Integrations를 확인하세요.
- W&B Reports로 run을 정리하고, 시각화를 내장하고 자동화하며, 발견한 내용을 설명하고, 협업자와 업데이트 사항을 공유하세요.
- W&B Artifacts를 생성하여 머신러닝 파이프라인의 각 단계에서의 데이터셋, 모델, 의존성 및 결과를 추적하세요.
- W&B Sweeps로 하이퍼파라미터 검색을 자동화하고 모델의 가능성을 탐색하세요.
- 데이터셋을 이해하고, 모델 예측값을 시각화하고, 중앙 대시보드에서 인사이트을 공유하세요.
자주 묻는 질문
API 키는 어디에서 찾나요? API 키는 www.wandb.ai에 로그하면 Authorize 페이지에 있습니다.
자동화된 환경에서 W&B를 어떻게 사용하나요? Google의 CloudML과 같이 셸 명령어를 실행하기 불편한 자동화된 환경에서 모델을 트레이닝하는 경우, 환경 변수로 구성하는 방법에 대한 가이드를 참조하여 주시기 바랍니다.
로컬, 온프레미스 설치를 제공하나요? 네, 자체 머신이나 프라이빗 클라우드에 W&B를 로컬로 프라이빗하게 호스팅할 수 있으며, 그 방법은 이 퀵 튜토리얼 노트북을 통해 확인해 보세요. 참고로, wandb 로컬 서버에 로그인하려면 로컬 인스턴스의 어드레스로 호스트 플래그를 설정할 수 있습니다.
wandb 로깅을 임시로 끄려면 어떻게 하나요?
코드를 테스트하는 중에 wandb 동기화를 비활성화하려면 환경 변수 WANDB_MODE=offline을 설정하세요.