선형 플롯 레퍼런스

이 페이지에서는 선형 플롯 설정을 자세히 설명합니다. 선형 플롯 사용 방법에 대한 자세한 내용은 선형 플롯 개요를 참조하세요.

데이터 설정

데이터 설정에서는 플롯에 표시할 메트릭과 데이터 포인트의 샘플링, 스무딩, 집계 방식을 지정합니다.

X축

wandb.Run.log()로 로깅한 정수 또는 부동 소수점 값을 X축 범위로 설정할 수 있습니다. 사용 가능한 시간 기반 X축 옵션:

Step: wandb.Run.log()가 호출될 때마다 증가합니다. 모델에서 로깅한 트레이닝 steps 수를 나타냅니다. (Default)
Relative Time (Wall): process가 시작된 이후 경과한 실제 시간입니다. run을 시작하고 하루 동안 일시 중지한 다음 재개하여 로깅하면 해당 point는 24시간 위치에 표시됩니다.
Relative Time (Process): 실행 중인 process 내부의 시간입니다. run을 시작하여 10초 동안 실행하고 하루 동안 일시 중지한 다음 재개하면 해당 point는 10초 위치에 표시됩니다.
Wall Time: 그래프에 있는 첫 번째 run이 시작된 이후 경과한 시간(분)입니다.
X range: 기본적으로 X축의 minimum부터 maximum까지입니다. minimum과 maximum을 사용자 지정할 수 있습니다.

Y축

wandb.Run.log()로 로깅한 정수 또는 부동 소수점 값으로 Y축 변수를 설정하세요. 단일 값, 값의 배열 또는 값의 히스토그램을 지정하세요. 변수에 대해 1,500개 이상의 point를 로깅한 경우 W&B는 1,500 point로 다운샘플링합니다.

runs table에서 run 색상을 변경하여 Y축 선의 색상을 사용자 지정하세요.

Y range 옵션은 메트릭의 가장 작은 양수 값(0 포함)부터 메트릭의 가장 큰 값까지의 범위로 기본 설정됩니다. minimum과 maximum 값을 사용자 지정할 수 있습니다.

포인트 집계 방법

데이터 포인트를 표시할 샘플링 모드를 선택하세요.

전체 충실도(기본값): 전체 충실도를 참조하세요.
랜덤 샘플링: 랜덤 샘플링을 참조하세요.

스무딩

smoothing coefficient를 0과 1 사이로 설정하세요. 여기서 0은 스무딩 없음, 1은 최대 스무딩입니다. 사용 가능한 스무딩 방법:

Time-weighted EMA (default): 이전 포인트의 가중치를 지수적으로 감소시켜 시계열 데이터를 스무딩하는 지수 이동 평균(EMA) 기법입니다.
Running average: 주어진 x 값 전후 윈도우 내 포인트들의 평균으로 포인트를 대체합니다.
Gaussian: 포인트들의 가중 평균을 계산하며, 가중치는 스무딩 매개변수로 지정된 표준 편차를 가진 가우시안 분포에 해당합니다.
No smoothing

자세한 내용은 선형 플롯 스무딩을 참조하세요.

이상치 무시

플롯을 재조정하여 기본 플롯 최소 및 최대 스케일에서 이상치를 제외합니다. 설정의 영향은 플롯의 샘플링 모드에 따라 달라집니다:

랜덤 샘플링 모드: 이상치를 무시하면 플롯에서 5% 미만 및 95% 초과 포인트를 생략합니다.
전체 충실도 모드: 이상치를 무시하면 모든 포인트를 표시하되 각 버킷의 마지막 값으로 압축하고 5% 미만 및 95% 초과 영역을 음영 처리합니다.

최대 run 또는 그룹 수

기본적으로 플롯에는 run 목록 또는 run 세트에서 처음 10개의 run 또는 run 그룹만 포함됩니다. 표시할 run 또는 그룹을 선택하려면 정렬 순서를 변경하세요.

워크스페이스는 설정과 관계없이 최대 1,000개의 run까지만 표시할 수 있습니다.

Run grouping

runs table이 그룹화되면, 각 선형 플롯은 그룹 내 run을 단일 선으로 결합합니다. 이 그룹화가 플롯에 적용되는 방식을 설정하세요:

차트에서 runs table의 그룹화 사용: runs table의 그룹화를 선형 플롯에 적용합니다. 기본적으로 켜져 있습니다. 끄면 runs table이 그룹화되어 있더라도 모든 run을 개별적으로 플롯합니다.
그룹당 최신 run만 사용: 그룹의 run을 결합하는 대신 각 그룹에 대해 하나의 run을 플롯합니다. 기본적으로 꺼져 있습니다. 워크스페이스 수준에서만 사용 가능합니다.
집계: 각 그룹의 결합된 선 값입니다. 옵션은 평균, 최소 또는 최대입니다. 그룹당 최신 run만 사용이 켜져 있으면 사용할 수 없습니다.

동일한 group에서 실험을 반복 실행하는 경우 그룹당 최신 run만 사용을 켜세요. 그러면 각 차트에 가장 최근 시도만 표시되고, 이전 run은 프로젝트에 남습니다. 그룹 내 최신 run은 run 선택기에서 해당 그룹의 첫 번째 run입니다. runs table 정렬 순서를 변경하여 각 그룹에 대해 다른 run을 플롯하세요.

그룹당 최신 run만 사용은 포인트 집계 방법이 전체 충실도일 때만 적용됩니다. 랜덤 샘플링 모드에서는 효과가 없습니다.

차트 유형

플롯 스타일을 선택하세요.

선형 플롯
영역 플롯
백분율 영역 플롯

차트 유형은 Data 탭에서 설정하세요. 자세한 내용은 개별 선형 플롯을 참고하세요.

Grouping 설정

그룹화를 켜서 모든 run을 집계하거나 개별 변수를 기준으로 그룹화하세요. runs table에서 그룹화를 켜면 그룹이 그래프에 자동으로 표시됩니다.

Group runs: 플롯에서 run 그룹화를 켭니다. 플롯의 음영 범위를 설정하려면 Required입니다. run을 하나의 선으로 집계하지 않으려면 이 옵션을 끄세요. 그룹화는 유지한 채 집계만 disable하는 별도의 스위치는 없습니다.
Group by: 필요한 경우 column을 선택합니다. 해당 column의 값이 같은 run이 모두 하나의 그룹으로 묶입니다.
집계: 그래프에 표시되는 선의 값입니다. 그룹의 평균, 중앙값, 최소, 최대 중에서 선택할 수 있습니다. 이 설정은 Group runs가 켜져 있을 때만 적용됩니다.
Range: full-fidelity 선형 플롯의 음영 영역을 설정합니다. Min/Max, Std Dev, Std Err, None 중에서 선택할 수 있습니다.

차트 설정

제목과 범례 표시 여부를 설정하세요.

Panel title: 패널 상단에 표시되는 제목입니다.
X-axis title: x축에 표시되는 레이블입니다.
Y-axis title: y축에 표시되는 레이블입니다.
범례: 범례를 표시하거나 숨기고, 범례 위치를 설정합니다.

범례 설정

run에서 로깅된 설정 값과 run의 메타데이터(예: 생성 시간 또는 run을 생성한 사용자)를 표시하도록 범례를 사용자 지정하세요.

범례 템플릿

범례 이름에 대한 템플릿을 정의합니다.

톱니바퀴 아이콘을 클릭하여 플롯 설정을 여세요.
표시 기본 설정 탭으로 이동하세요.
고급 범례를 펼친 다음 범례 템플릿을 지정하세요.
Apply를 클릭하세요.

포인트별 값

차트 위에 마우스를 올렸을 때 십자선에 포인트별 값을 표시하려면 [[ ]] 안에 값을 설정하세요.

플롯 설정을 열려면 톱니바퀴 아이콘을 클릭하세요.
표시 기본 설정 탭으로 이동하세요.
탭 하단에서 플롯의 메트릭 중 하나 이상에 대한 포인트별 값을 설정하세요.
Apply를 클릭하세요.

[[ ]] 안에서 지원되는 값:

값	의미
`${x}`	X 값
`${y}`	Y 값(스무딩 보정 포함)
`${original}`	스무딩 보정을 포함하지 않은 Y 값
`${mean}`	그룹화된 run의 평균
`${stddev}`	그룹화된 run의 표준 편차
`${min}`	그룹화된 run의 최소값
`${max}`	그룹화된 run의 최대값
`${percent}`	전체 대비 백분율(누적 영역 차트용)

Expressions

수학 표현식을 작성하여 로깅한 메트릭, 설정 값, 요약 통계로 선형 플롯을 만들거나 변환할 수 있습니다. 예를 들어 두 메트릭의 차이를 계산하거나, 설정 값으로 메트릭의 스케일을 조정하거나, 메트릭의 로그 값을 플롯할 수 있습니다. 표현식은 로깅하는 각 step마다 평가됩니다. 다음 섹션에서는 표현식에서 값을 참조하는 방법과 맞춤형 표현식에서 사용할 수 있는 Operator 및 함수를 설명합니다. 선형 플롯에서는 X축, Y축 또는 두 축 모두에 표현식을 사용할 수 있습니다. 일반적인 사용 사례와 표현식 예시는 표현식 예시를 참조하세요.

표현식으로 새 선형 플롯 만들기

프로젝트의 워크스페이스로 이동하세요.
+ Add panel 버튼을 클릭하고 선형 플롯을 선택하세요.
Data 탭을 클릭하세요. 선형 플롯의 x축과 y축에 표시할 데이터를 각각 선택하세요.
Expressions 탭을 클릭하세요.
Y-axis 필드 또는 X-axis 필드에 표현식을 입력하세요.
Apply를 클릭해 설정을 저장하고 선형 플롯을 확인하세요.

표현식으로 기존 선형 플롯 변환하기

변환하려는 선형 플롯을 엽니다.
플롯 오른쪽 상단의 톱니바퀴 아이콘을 클릭하여 패널을 편집합니다.
Expressions 탭을 클릭합니다.
Y-axis 필드 또는 X축 필드에 표현식을 입력합니다.
Apply를 클릭하여 설정을 저장하고 업데이트된 선형 플롯을 확인합니다.

값 참조하기

다음 table은 선형 플롯 표현식에서 로깅된 메트릭, 설정 매개변수, 요약 통계를 참조하는 방법을 설명합니다.

유형	구문	설명	예시
메트릭	`${metric_name}`	로깅된 메트릭을 이름으로 참조합니다.	`${val/accuracy}`, `${"accuracy"}`
설정 매개변수	`${config:param_name}`	`${config:}` 접두사를 사용하여 설정 값을 참조합니다.	`${config:lr}`, `${config:batch_size}`
요약 통계	`${summary:stat_name}`	`${summary:}` 접두사를 사용하여 요약 필드를 참조합니다.	`${summary:final_accuracy}`, `${summary:best_loss}`

메트릭 이름, 설정 매개변수, 요약 필드에 /, - 등의 특수 문자나 공백이 포함된 경우 ${...}를 사용하여 이스케이프하세요. 예를 들어 val/accuracy라는 메트릭을 로깅했다면 나눗셈 Operator와 혼동되지 않도록 ${val/accuracy}로 참조하세요. dropout-rate라는 설정 매개변수를 로깅했다면 ${config:dropout-rate}로, best loss라는 요약 필드를 로깅했다면 ${summary:best loss}로 참조하세요.

중첩된 설정

중첩된 설정 값에 액세스하려면 점 표기법과 다음 구문을 사용하세요.

${config:parent.child.grandchild}

여기서 parent, child, grandchild는 중첩된 설정 딕셔너리의 키입니다. 예를 들어, 중첩된 딕셔너리가 포함된 다음 설정을 로깅한다고 가정해 보겠습니다.

config = {
    "model": {
        "type": "resnet",
        "layers": 50
    },
    "training": {
        "batch_size": 32,
        "learning_rate": 0.001
    }
}

with wandb.init(project="my-project", config=config) as run:
    ...

모델 유형은 ${config:model.type}로 참조할 수 있습니다. 배치 크기는 ${config:training.batch_size}로 참조하세요. 또 다른 예로, 중첩된 딕셔너리가 포함된 다음 설정을 살펴보겠습니다.

Config parameters

config:
  optimizer:
    value:
      lr: 0.001
      weight_decay: 0.01
  model:
    value:
      hidden_size: 768

학습률을 ${config:optimizer.value.lr}로, 모델의 hidden size를 ${config:model.value.hidden_size}로, 또는 weight decay를 ${config:optimizer.value.weight_decay}로 참조하세요.

사용 가능한 Operator

W&B은 선형 플롯 표현식에 다음 Operator를 지원합니다:

범주	Operator
Arithmetic	`+`, `-`, ``, `/`, `%` (modulo), `*` (exponent)
Comparison	`==`, `!=`, `===`, `!==`, `<`, `>`, `<=`, `>=`
Bitwise	`\|`, `^`, `&`, `<<`, `>>`, `>>>`
Logical	`\|\|` , `&&`

수학 상수 및 함수

JavaScript의 모든 수학 함수와 상수를 지원합니다. 자세한 내용은 MDN Math 문서를 참조하세요. 다음 표에는 선형 플롯 표현식에서 가장 자주 사용하는 함수와 상수가 정리되어 있습니다.

수학 상수

상수	설명
`e`	오일러 수
`pi`	원주율
`ln2`	2의 자연로그
`ln10`	10의 자연로그
`log2e`	밑이 2인 e의 로그
`log10e`	밑이 10인 e의 로그
`sqrt2`	2의 제곱근
`sqrt1_2`	1/2의 제곱근

산술 및 통계 함수

다음 표에서는 사용 가능한 산술 및 통계 함수를 설명합니다.

함수	설명
abs(x)	절댓값
ceil(x)	올림 함수(가장 가까운 정수로 올림)
floor(x)	내림 함수(가장 가까운 정수로 내림)
round(x)	가장 가까운 정수로 반올림
min(x, y, …)	최솟값
max(x, y, …)	최댓값
sqrt(x)	제곱근

로그 및 지수 함수

다음 표는 사용 가능한 로그 및 지수 함수를 설명합니다.

함수	설명
log(x)	자연 로그(밑 e)
log10(x)	밑이 10인 로그
log2(x)	밑이 2인 로그
exp(x)	지수 함수(e^x)
pow(x, y)	거듭제곱 함수(x^y)

삼각 함수

다음 table은 사용 가능한 삼각 함수를 설명합니다:

함수	설명
sin(x)	사인
cos(x)	코사인
tan(x)	탄젠트
asin(x)	아크사인(역사인)
acos(x)	아크코사인(역코사인)
atan(x)	아크탄젠트(역탄젠트)
atan2(y, x)	두 인수 아크탄젠트

쌍곡 함수

다음 table은 사용 가능한 쌍곡 함수를 설명합니다:

함수	설명
sinh(x)	쌍곡 사인
cosh(x)	쌍곡 코사인
tanh(x)	쌍곡 탄젠트

예시 표현식

다음은 선형 플롯 축을 위한 예시 표현식입니다. 이 예시들은 설명을 위한 것입니다. 이전 섹션에서 설명한 Operator와 함수의 조합을 사용하여 필요에 맞는 복잡한 표현식을 만들 수 있습니다. 다음 예시의 경우, summary 메트릭에 accuracy와 loss가 다음 값으로 포함되어 있다고 가정합니다:

Summary metrics

{
  "accuracy": 0.7829240801794489,
  "loss": 0.2194763318905079
}

그리고 설정이 다음과 같다고 가정해 보겠습니다:

Config parameters

config = {
    "epochs": 100,
    "optimizer": {
        "value": {
            "lr": 0.001,
            "weight_decay": 0.01
        }
    }
}

정확도 메트릭에 상수 값을 더해 수직으로 이동합니다. 다음 예시에서 정확도를 1만큼 위로 이동합니다:

1 - accuracy

메트릭을 상수 값(이 경우 학습률(lr))만큼 수직으로 이동합니다:

accuracy+${config:optimizer.value.lr}

메트릭의 사인을 계산합니다. 다음 예시에서는 loss 메트릭의 사인을 계산합니다:

sin(loss)

사인 함수를 적용하여 메트릭에 위상 이동을 적용합니다. 예시: 사인 함수를 적용하고 loss 메트릭을 2만큼 위상 이동합니다:

sin(loss - 2)

batch_size라는 이름의 설정 매개변수로 정확도 메트릭을 재조정합니다:

${accuracy} / ${config:batch_size}

두 메트릭의 최솟값을 계산합니다. 다음 예시에서는 loss와 정확도의 최솟값을 계산합니다.

min(loss, accuracy)

두 메트릭의 제곱합의 제곱근을 계산합니다. 다음 예시에서는 loss와 정확도의 제곱합의 제곱근을 계산합니다:

sqrt(loss ** 2 + accuracy ** 2)

loss의 지수를 계산합니다. 다음 예시에서는 loss 메트릭의 지수를 계산합니다:

sqrt(loss*100)+sqrt(loss*100000)

표현식에서 ${summary:metric_name} 구문을 사용하여 summary 메트릭 값을 참고할 수도 있습니다. 예시:

sqrt(${summary:loss}*100)+sqrt(${summary:loss}*100000)

멀티 메트릭 패널 표현식

정규 표현식을 사용하면 여러 메트릭을 함께 표시하는 단일 선형 플롯을 만들 수 있습니다(이후에 로깅되는 일치 메트릭도 포함됩니다). 자세한 방법은 선형 플롯 추가를 참조하세요. 예시:

레이어별 메트릭마다 패널을 따로 만들지 않고 하나의 패널에서 함께 볼 수 있습니다. 예를 들어 layer_0_loss, layer_1_loss, layer_2_loss처럼 일관된 이름 규칙으로 메트릭을 로깅한다면, layer_\d+_loss와 같은 정규 표현식으로 모든 레이어의 loss를 하나의 플롯에 표시할 수 있습니다.
공통 이름 패턴을 가진 메트릭을 모두 일치시킵니다. 예를 들면 다음과 같습니다.
- train_.*는 train_loss, train_accuracy, train_f1_score와 같은 모든 트레이닝 메트릭과 일치합니다.
- .*_accuracy는 train_accuracy, val_accuracy, test_accuracy와 같이 여러 데이터셋의 정확도 메트릭과 일치합니다.
교대(alternation)를 사용해 원하는 메트릭만 일치시킵니다. 예를 들어 비캡처 그룹 (?:layer_0|layer_10)_loss는 중간 레이어를 제외하고 첫 번째와 열 번째 레이어의 loss만 일치시킵니다.

캡처 그룹

정규 표현식의 캡처 그룹에 따라 다중 메트릭 패널이 생성되는 방식이 달라집니다. 이 동작을 미리 알지 못하면 혼란스러울 수 있습니다.

캡처 그룹은 여러 패널을 생성합니다 정규 표현식에 캡처 그룹을 이루는 괄호가 있으면, UI는 해당 그룹이 캡처한 고유한 값마다 별도의 패널을 생성합니다. 예를 들어 표현식 (layer_0|layer_10)_loss에는 캡처 그룹이 포함되어 있으므로 다음과 같이 두 개의 패널이 따로 생성됩니다.
1. layer_0과 일치하는 메트릭을 표시하는 패널
2. layer_10과 일치하는 메트릭을 표시하는 패널
비캡처 그룹은 메트릭을 한 패널에 모아 표시합니다 패널을 따로 만들지 않고 여러 대안 중 하나와 일치시키려면 ?: 구문으로 비캡처 그룹을 사용하세요. 표현식 (?:layer_0|layer_10)_loss는 앞의 예시와 동일한 메트릭과 일치하지만, 이를 하나의 패널에 함께 표시합니다.

차이점은 다음과 같습니다.

(layer_0|layer_10)_loss - 레이어별로 하나씩, 총 두 개의 패널을 생성합니다.
(?:layer_0|layer_10)_loss - 두 레이어를 함께 표시하는 패널 하나를 생성합니다.

따라서 분석 목적에 가장 알맞은 방식을 유연하게 선택할 수 있습니다. 메트릭을 서로 다른 패널로 나누어 보려면 캡처 그룹을 사용하세요. 하나의 플롯에서 메트릭을 함께 비교하려면 비캡처 그룹을 사용하세요.

​데이터 설정

​X축

​Y축

​포인트 집계 방법

​스무딩

​이상치 무시

​최대 run 또는 그룹 수

​Run grouping

​차트 유형

​Grouping 설정

​차트 설정

​범례 설정

​범례 템플릿

​포인트별 값

​Expressions

​표현식으로 새 선형 플롯 만들기

​표현식으로 기존 선형 플롯 변환하기

​값 참조하기

​중첩된 설정

​사용 가능한 Operator

​수학 상수 및 함수

​수학 상수

​산술 및 통계 함수

​로그 및 지수 함수

​삼각 함수

​쌍곡 함수

​예시 표현식

​멀티 메트릭 패널 표현식

​캡처 그룹

데이터 설정

X축

Y축

포인트 집계 방법

스무딩

이상치 무시

최대 run 또는 그룹 수

Run grouping

차트 유형

Grouping 설정

차트 설정

범례 설정

범례 템플릿

포인트별 값

Expressions

표현식으로 새 선형 플롯 만들기

표현식으로 기존 선형 플롯 변환하기

값 참조하기

중첩된 설정

사용 가능한 Operator

수학 상수 및 함수

수학 상수

산술 및 통계 함수

로그 및 지수 함수

삼각 함수

쌍곡 함수

예시 표현식

멀티 메트릭 패널 표현식

캡처 그룹