> ## 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.

# wandb.watch()로 그라디언트와 모델 가중치를 어떻게 로깅하나요?

`wandb.watch()`는 PyTorch 모델의 파라미터와 그라디언트에 훅을 연결하고, 일정한 간격으로 해당 값의 히스토그램을 로깅합니다. 이는 트레이닝 불안정성, 그라디언트 소실, 그리고 죽은 뉴런을 진단하는 데 유용합니다.

**기본 사용법**

첫 번째 트레이닝 step 전에, `wandb.init()` 후 `wandb.watch()`를 호출하세요:

```python theme={null}
import wandb
import torch.nn as nn

wandb.init(project="my-project")

model = MyModel()
wandb.watch(model, log="gradients", log_freq=100)

for step, batch in enumerate(dataloader):
    loss = train_step(model, batch)
    loss.backward()
    optimizer.step()
    optimizer.zero_grad()

    wandb.log({"train/loss": loss.item()}, step=step)

wandb.finish()
```

그라디언트 히스토그램은 `log_freq` **배치**마다 로깅됩니다([`Run.watch()`](/ko/models/ref/python/experiments/run)의 기본값은 `log_freq=1000`이며, 예시에서는 더 빠른 피드백을 위해 `100`을 사용합니다). 히스토그램은 `gradients/layer_name.weight`와 같은 키로 **Charts** 탭에 표시됩니다.

**`log` 매개변수 옵션**

| Value          | 로깅되는 항목                       |
| -------------- | ----------------------------- |
| `"gradients"`  | 그라디언트 히스토그램만(기본값)             |
| `"parameters"` | 가중치/매개변수 히스토그램만               |
| `"all"`        | 그라디언트와 매개변수 모두                |
| `None`         | 둘 다 로깅하지 않음 — 모델 그래프 토폴로지만 로깅 |

```python theme={null}
wandb.watch(model, log="all", log_freq=50)
```

**모델 그래프 토폴로지 로깅**

히스토그램 로깅이 꺼져 있거나 최소한으로만 수행되는 경우에도 계산 그래프를 보려면 `log_graph=True`를 전달하세요. 그래프는 run의 **Overview** 탭에 있는 **Model** 아래에서 확인할 수 있습니다. `log`, `log_graph`, `log_freq`가 어떻게 상호작용하는지는 [`Run.watch()`](/ko/models/ref/python/experiments/run)에서 확인하세요.

```python theme={null}
wandb.watch(model, log=None, log_graph=True)  # 그래프 중심, 히스토그램 없음
```

**여러 모델 모니터링하기**

각 모델마다 `wandb.watch()`를 별도로 호출하세요(GAN 트레이닝에 유용합니다):

```python theme={null}
wandb.watch(generator, log="gradients", log_freq=100)
wandb.watch(discriminator, log="gradients", log_freq=100)
```

각 모델의 그라디언트는 해당 파라미터 이름을 접두사로 붙여 로깅됩니다.

**성능 고려 사항**

그라디언트 로깅은 `log_freq`에 비례하는 오버헤드를 추가합니다. 모든 step마다 로깅하면(`log_freq=1`) 트레이닝 속도가 크게 느려질 수 있습니다. 대부분의 트레이닝 작업에서는 50\~200 사이의 값을 사용합니다. 성능이 중요하다면 `log="gradients"` 대신 `log="parameters"`로 설정하세요 — 파라미터 히스토그램은 역전파 훅 없이 계산되므로 비용이 더 적게 듭니다.

**watch 중지하기**

트레이닝 도중 그라디언트 로깅을 중지하려면:

```python theme={null}
wandb.unwatch(model)
```

이렇게 하면 run을 종료하지 않고 훅만 제거하므로 metric 로깅은 영향 없이 계속됩니다.

***

<Badge stroke shape="pill" color="orange" size="md">[Experiments](/ko/support/models/tags/experiments)</Badge><Badge stroke shape="pill" color="orange" size="md">[메트릭](/ko/support/models/tags/metrics)</Badge><Badge stroke shape="pill" color="orange" size="md">[Runs](/ko/support/models/tags/runs)</Badge>