Create and track plots from experiments
기계 학습 실험에서 플롯을 생성하고 추적합니다.
3 minute read
W&B Python SDK를 사용하여 메트릭, 미디어 또는 사용자 정의 오브젝트의 사전을 단계별로 기록합니다. W&B는 각 단계에서 키-값 쌍을 수집하고 wandb.log()
로 데이터를 기록할 때마다 하나의 통합된 사전에 저장합니다. 스크립트에서 기록된 데이터는 wandb
라는 디렉토리에 로컬로 저장된 다음 W&B 클라우드 또는 개인 서버로 동기화됩니다.
step
에 대해 다른 값을 기록하면 W&B는 수집된 모든 키와 값을 메모리에 씁니다.wandb.log
를 호출할 때마다 기본적으로 새로운 step
이 됩니다. W&B는 차트 및 패널을 만들 때 단계를 기본 x축으로 사용합니다. 선택적으로 사용자 정의 x축을 만들고 사용하거나 사용자 정의 요약 메트릭을 캡처할 수 있습니다. 자세한 내용은 로그 축 사용자 정의를 참조하세요.
step
에 대해 연속적인 값 0, 1, 2 등을 기록하려면 wandb.log()
를 사용하세요. 특정 history 단계에 쓸 수는 없습니다. W&B는 “현재” 및 “다음” 단계에만 씁니다.W&B는 W&B Experiments 동안 다음 정보를 자동으로 기록합니다.
nvidia-smi
를 통해 가져옵니다.계정의 설정 페이지에서 코드 저장을 켜서 다음을 기록합니다.
diff.patch
파일을 확인합니다.requirements.txt
파일이 업로드되어 run 페이지의 파일 탭에 표시되고, run을 위해 wandb
디렉터리에 저장하는 모든 파일과 함께 표시됩니다.W&B를 사용하면 기록할 대상을 정확하게 결정할 수 있습니다. 다음은 일반적으로 기록되는 오브젝트의 일부입니다.
wandb.plot
을 wandb.log
와 함께 사용합니다. 자세한 내용은 Plots 기록을 참조하세요.wandb.Table
을 사용합니다. 자세한 내용은 Tables 기록을 참조하세요.wandb.watch(model)
을 추가합니다.wandb.init(config=your_config_dictionary)
. 자세한 내용은 PyTorch 인테그레이션 페이지를 참조하세요.wandb.log
를 사용합니다. 트레이닝 루프 내에서 정확도 및 손실과 같은 메트릭을 기록하면 UI에서 실시간 업데이트 그래프를 얻을 수 있습니다.wandb.run.summary["best_accuracy"] = best_accuracy
wandb.log({"acc'": 0.9, "loss": 0.1})
과 같이 wandb.log
에 대한 동일한 호출에서 여러 메트릭을 기록하면 UI에서 플롯하는 데 사용할 수 있습니다.wandb.log({'acc': 0.9, 'epoch': 3, 'batch': 117})
. 지정된 메트릭에 대한 기본 x축을 설정하려면 Run.define_metric()을 사용합니다.wandb.log
는 이미지 및 비디오와 같은 미디어에서 테이블 및 차트에 이르기까지 다양한 데이터 유형의 로깅을 지원합니다.Experiments 및 로깅에 대한 모범 사례 및 팁은 모범 사례: Experiments 및 로깅을 참조하세요.
기계 학습 실험에서 플롯을 생성하고 추적합니다.
W&B를 사용하여 여러 개의 GPU로 분산 트레이닝 실험을 로그하세요.
3D 포인트 클라우드 및 분자에서 HTML 및 히스토그램에 이르기까지 다양한 미디어를 로그
W&B로 테이블을 로그합니다.
W&B로 데이터를 가져오고 로깅하기
[i18n] feedback_question
Glad to hear it! Please tell us how we can improve.
Sorry to hear that. Please tell us how we can improve.