컬렉션에 주석 추가하기

• 요약: 컬렉션의 목적과 머신러닝 실험에 사용된 머신러닝 프레임워크.
• 라이선스: 머신러닝 모델 사용과 연결된 법적 조건 및 권한. 모델 사용자가 어떤 법적 틀 안에서 모델을 활용할 수 있는지 파악하는 데 도움이 됩니다. 대표적인 라이선스로는 Apache 2.0, MIT, GPL 등이 있습니다.
• 레퍼런스: 관련 연구 논문, 데이터셋 또는 외부 리소스에 대한 인용이나 참고 자료.

• 트레이닝 데이터: 사용된 트레이닝 데이터에 대한 설명
• 처리: 트레이닝 데이터셋에 적용한 처리 과정.
• 데이터 저장소: 데이터가 저장된 위치와 액세스 방법.

• 아키텍처: 모델 아키텍처, 레이어 및 주요 설계 결정에 관한 정보.
• 작업: 컬렉션의 모델이 수행하도록 설계된 구체적인 작업 또는 문제 유형. 모델이 의도한 기능을 분류한 것입니다.
• 모델 역직렬화: 팀원이 모델을 메모리에 로드하는 방법을 안내하세요.
• 배포: 모델이 배포되는 방식과 위치에 관한 세부 정보, 그리고 워크플로 오케스트레이션 플랫폼 등 다른 엔터프라이즈 시스템에 모델을 통합하는 방법에 관한 안내.
• 메트릭 비교: 컬렉션에 연결된 아티팩트의 여러 버전 간에 메트릭을 비교합니다. 이를 통해 사용자는 모델이 시간에 따라 어떻게 발전해 왔는지, 각 버전이 특정 작업에서 어떤 성능을 내는지 파악할 수 있습니다.

​

컬렉션에 설명 추가하기

wandb-registry-{REGISTRY_NAME}/{COLLECTION_NAME}

import wandb

api = wandb.Api()

collection = api.artifact_collection(
  type_name = "<collection_type>", 
  name = "<collection_name>"
  )


collection.description = "This is a description."
collection.save()  

​

아티팩트 버전 간 메트릭 비교

1. 컬렉션 Card 편집기에서 슬래시(/)를 입력하면 사용 가능한 Markdown 서식 옵션의 드롭다운 목록이 열립니다.
2. Compare metrics를 선택하여 컬렉션 Card에 메트릭 비교 table을 추가하세요.