W&B로 협업 연구 진행하고 출판급 그래픽 손쉽게 만들기
몇 번의 마우스 클릭 또는 몇 줄의 코드만으로 실시간 협업과 출판용 수준의 그래픽 제공 이 글은 AI가 번역한 기사입니다. 오역이 있을 수 있으니 댓글로 알려 주세요.
Created on September 12|Last edited on September 12
Comment
이 보고서에서는 Weights & Biases가 협업성과 재현 가능성을 높이면서, 통찰과 성능을 효과적으로 보여 주는 출판용 수준의 그래픽을 손쉽게 만드는 방법을 살펴보겠습니다. 바로 시작해 보겠습니다.
W&B 리포트 만들기와 협업
먼저 Report를 생성하고 협업하는 방법을 보여 드린 뒤, 해당 Report를 내보내는 과정을 살펴보겠습니다. 마지막 섹션에서는 출판에 활용할 수 있도록 Report의 구성 요소(이미지, 차트 등)를 내보내는 방법을 배워 보겠습니다.
우선 모델 학습 런이 완료되었다고 가정하겠습니다. 그 시점에서 다음을 클릭하세요 리포트 생성 홈 대시보드에서 버튼을 클릭하세요(아래 참고). 리포트를 프로그래밍 방식으로 정의하고 사용하는 데 익숙한 사용자라면, W&B에서 이제 제공하는 Reports API …을 사용할 수 있도록 해 주는 wandb 라이브러리를 사용해 Report를 생성하고 재사용하며 프로그래밍 방식으로 편집할 수 있습니다.
체크박스를 사용해 어떤 차트 카테고리를 선택할지 지정하세요 — eval (평가 성능) train (학습 성능) 또는 System(예: GPU 사용률, 전력 소비 등과 같은 시스템 메트릭) 중 리포트에 표시할 항목을 선택한 뒤, 마지막으로 Create Report 버튼을 클릭하세요.
이 시점에서 우리는 차트를 포함한 Report를 가지고 있습니다. 예시를 확인해 보세요. 여기 협업자는 블로그처럼 댓글 섹션에 의견을 남길 수 있지만, 보통은 특정 요소에 대해 협업하는 것이 훨씬 더 유용합니다. 각 차트 셀의 우측 상단에 있는 말풍선 아이콘을 클릭해 차트에 댓글을 달 수 있고, 리포트 본문에서는 댓글을 달고 싶은 단어 또는 문단을 드래그해 하이라이트하는 것만으로 해당 텍스트에 댓글을 남길 수 있습니다. 댓글 작성은 사용자가 Weights & Biases 계정에 로그인한 상태에서만 가능합니다.
리포트 공유
Weights & Biases에서 아직 팀을 설정하지 않았더라도, 개별 리포트를 협업자와 공유할 수 있습니다.
어떤 리포트 페이지에서든 다음을 클릭하세요 공유 리포트의 좌측 상단에 있는 버튼을 클릭하세요. 그러면 아래와 같은 “매직 링크”가 생성되며, Weights & Biases 계정이 있든 없든 누구에게나 보낼 수 있습니다. 이는 Google Docs의 ‘링크가 있는 모든 사용자’와 동일한 방식으로 작동합니다. 사용자는 이 리포트를 보기 위해 로그인할 필요는 없지만, 의료 댓글을 남기거나 편집을 하려면 로그인한 상태여야 하며 팀에 추가되어 있어야 합니다. 팀에 추가되지 않은 사용자(Weights & Biases 계정 보유 여부와 무관)는 리포트를 보기만 할 수 있습니다.
리포트를 공유할 때, 다른 웹페이지 안에 임베드하고 싶을 수도 있습니다. 예를 들어 팀의 콘텐츠 관리 시스템(Confluence, Notion 등)이나 HTML 페이지의 iFrame으로 삽입하는 방식입니다. 해당 작업을 수행하는 단계는 아래 애니메이션에 나와 있으며, 방법을 설명한 문서 참고 페이지는 다음에서 확인할 수 있습니다. 리포트 임베드 여기에서 확인할 수 있습니다.
만약 협업자가 Weights & Biases 웹사이트에 접근할 수 없는 경우에도 리포트를 내보낼 수 있습니다!
출판을 위한 결과 내보내기
가끔은 여러분이나 협업자가 Reports 생태계 밖에서 활용하기 위해 결과를 내보내고 싶을 때가 있습니다. Weights & Biases는 몇 번의 마우스 클릭만으로, 또는 프로그래밍 방식으로 단일 차트, 데이터셋, 실험 지표(accuracy 등), 하이퍼파라미터 목록 등을 내보낼 수 있는 기능을 제공합니다. wandb API.
데이터 내보내기
먼저 실험에서 데이터를 내보내고 싶다고 가정해 보겠습니다. 예를 들어 여러 Run에 걸친 데이터를 다운로드하려면 아래 코드를 활용하면 됩니다.
호출 api.runs 는 반복 가능한 리스트처럼 동작하는 Runs 객체를 반환합니다. 기본적으로 이 객체는 한 번에 50개의 run을 순차적으로 로드하지만, 페이지당 로드할 run의 개수는 다음 항목을 변경하여 조정할 수 있습니다. per_page 키워드 인수. api.runs 또한 order 키워드 인수를 허용합니다. 기본 정렬 순서는 내림차순입니다. -created_at ; 지정 +created_at 오름차순으로 결과를 얻으려면 다음과 같이 지정하세요. 또한 config 또는 summary 값으로 정렬할 수도 있습니다. 예: summary.val_acc 또는 config.experiment_name.
아래 코드는 다음을 클릭하면 자동으로 생성됩니다 추가 작업 > 패널 내보내기 메뉴로, 아래 애니메이션의 첫 두 단계에 표시된 대로 단일 차트 데이터 내보내기 섹션:
import pandas as pdimport wandbapi = wandb.Api()# Project is specified by <entity/project-name>runs = api.runs("<entity>/<yourproject>")summary_list = []config_list = []name_list = []for run in runs:# run.summary are the output key/values like accuracy.# We call ._json_dict to omit large filessummary_list.append(run.summary._json_dict)# run.config is the input metrics.# We remove special values that start with _.config = {k:v for k,v in run.config.items() if not k.startswith('_')}config_list.append(config)# run.name is the name of the run.name_list.append(run.name)summary_df = pd.DataFrame.from_records(summary_list)config_df = pd.DataFrame.from_records(config_list)name_df = pd.DataFrame({'name': name_list})all_df = pd.concat([name_df, config_df,summary_df], axis=1)all_df.to_csv("project.csv")
다른 시각화 도구에서 사용할 데이터를 내보내는 방법에 대해 자세히 알아보려면 matplotlib, seaborn등등, 부탁드립니다 여기 문서 섹션을 참고하세요대량으로 데이터를 내보내는 추가 API 예시는 다음을 참고하세요 이 문서 페이지.
단일 차트 데이터 내보내기
전체 프로젝트의 데이터를 내보내는 대신, 단일 차트의 데이터를 손쉽게 내보내 다른 차트 라이브러리에서 사용할 수 있습니다. 예를 들어, matplotlib, seaborn , 등등
그림 내보내기
내보낸 방식과 마찬가지로 데이터 이전 단계에서 수행한 실험의 결과물인 그림도 동일한 메뉴를 통해 다양한 형식으로 내보낼 수 있습니다. 그림을 내보낼 때는 PNG, SVG, 또는 PDF 형식 중에서 선택할 수 있습니다.
그림 내보내기 - 문제 해결
기본 로깅 속도가 기대보다 느린 경우가 있을 수 있습니다. 일반적으로 서로 다른 메트릭의 총 개수를 10,000개 미만으로 유지하세요. 또한 신규 사용자는 API를 통해 분당 약 200개의 요청으로 제한되므로, 병렬로 약 15개의 프로세스를 실행할 수 있습니다. 신규 사용자로서 15개를 초과하는 병렬 프로세스를 실행하고 싶다면 contact@wandb.com 으로 문의해 주세요.. 제한 사항과 모범 사례에 대한 추가 정보는 여기에서 확인할 수 있습니다.
실험 결과 내보내기
이제 실험의 일부(데이터와 그림)를 내보내는 방법을 살펴봤으니, 전체 Report를 어떻게 내보낼 수 있는지 궁금하실 수 있습니다. Report를 만든 후, 화면의 점 세 개 아이콘 메뉴를 클릭하세요.
그다음에는 Report를 복제할 수 있습니다. 이는 서로 다른 검토 대상에게 약간씩 다른 버전을 배포하거나, 과제용으로 숙제 문제 목록이 포함된 과제를 만들어 여러 버전을 구성해야 할 때 특히 유용합니다. 그리고 학생들이 각자 작성할 수 있도록 자신의 사본을 만들고 싶을 때.
Report를 복제하는 대신 우리는 내보내기 ‘첫 번째 발견 보고하기 Report에서 PDF 또는 우리는 …를 선택합니다 옵션을 선택하고 재현성 템플릿이는 학회 제출용으로 손색없는 성능 곡선 시리즈를 생성하고, Report에 포함한 모든 코드 스니펫(줄 번호 포함), 그리고 Report에 작성한 모든 텍스트까지 함께 내보냅니다. A zip 파일로, Overleaf 또는 여러분의 선호하는 편집기에서 열 수 있는 파일이 로컬 컴퓨터로 다운로드됩니다. 그곳에서 필요한 내용을 추가하면 논문을 출판할 준비가 완료됩니다.
인용 안내
마지막으로, W&B를 인용하고 싶으시다면 다음과 같은 미리 준비된 인용 방식을 참고하세요:
"We used Weights & Biases for experiment tracking and visualizations to develop insights for this paper."
인용
@article{biewald2020experiment,title={Experiment tracking with weights and biases},author={Biewald, Lukas},journal={Software available from wandb.com},volume={2},pages={233},year={2020}}
IEEE 인용
L. Biewald, “Weights & Biases를 활용한 실험 추적,” Weights & Biases. [온라인]. 이용 가능: http://wandb.com/. [접근일: 날짜를 여기에 입력]
관련 읽을거리:
Weights & Biases: Your Automated Logging Companion for Reproducible Research
How W&B helps students, researchers, teachers, and academics of all stripes log research for easy collaboration, sharing, and reproducibility
How Many Discoveries Were Lost Because They Weren't Written Down?
With Reports you can save your ingenious ideas and insights alongside a snapshot of your work and then share them with your team. Or just keep them all for when you need them.
Add a comment