> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

> W&B를 YOLOX와 통합하여 객체 탐지 모델 트레이닝을 추적하고, 메트릭을 로깅하며, 탐지 결과를 시각화하세요.

# YOLOX

[YOLOX](https://github.com/Megvii-BaseDetection/YOLOX)는 객체 탐지를 위한 YOLO의 앵커 프리(anchor-free) 버전입니다. YOLOX W\&B 인테그레이션을 사용하면 명령줄 인수 하나만으로 트레이닝, 검증, 시스템 관련 메트릭 로깅을 활성화하고 예측을 대화형으로 검증할 수 있습니다.

이 가이드에서는 W\&B에 인증하고 인테그레이션을 설치한 다음, YOLOX 객체 탐지 모델을 트레이닝할 때 W\&B 로깅을 활성화하는 방법을 설명합니다. 이를 통해 W\&B UI에서 메트릭을 추적하고 예측을 살펴볼 수 있습니다.

<h2 id="sign-up-and-create-an-api-key">
  가입 및 API 키 생성
</h2>

API 키는 W\&B에서 사용자의 머신을 인증하는 데 사용됩니다. API 키는 사용자 프로필에서 생성할 수 있습니다.

<Note>
  더 간단한 방법으로 [User Settings](https://forge.coreweave.com/settings)로 이동해 API 키를 생성하세요. API 키를 즉시 복사한 후 비밀번호 관리자와 같은 안전한 위치에 저장하세요.
</Note>

1. 오른쪽 상단의 사용자 프로필 아이콘을 클릭하세요.
2. **User Settings**를 선택한 다음 **API Keys** 섹션까지 스크롤하세요.

<h2 id="install-the-wandb-library-and-log-in">
  `wandb` 라이브러리 설치 및 로그인
</h2>

`wandb` 라이브러리를 로컬에 설치하고 로그인하려면 다음 단계를 따르세요.

<Tabs>
  <Tab title="명령줄">
    1. `WANDB_API_KEY` [환경 변수](/ko/products/wandb/track/environment-variables)를 API 키로 설정하세요. `<>`로 묶인 값은 실제 값으로 바꾸세요.

       ```bash theme={"system"}
       export WANDB_API_KEY=<your_api_key>
       ```

    2. `wandb` 라이브러리를 설치하고 로그인하세요.

       ```shell theme={"system"}
       pip install wandb

       wandb login
       ```
  </Tab>

  <Tab title="Python">
    ```bash theme={"system"}
    pip install wandb
    ```

    ```python theme={"system"}
    import wandb
    wandb.login()
    ```
  </Tab>

  <Tab title="Python notebook">
    ```notebook theme={"system"}
    !pip install wandb

    import wandb
    wandb.login()
    ```
  </Tab>
</Tabs>

<h2 id="log-metrics">
  메트릭 로깅하기
</h2>

`wandb` 라이브러리를 설치하고 머신 인증을 완료하면 YOLOX 트레이닝 스크립트에서 W\&B 로깅을 활성화할 수 있습니다.

`--logger wandb` 명령줄 인수를 사용하면 `wandb`로 로깅할 수 있습니다. 필요한 경우 [`wandb.init()`](/ko/products/wandb/ref/python/functions/init)이 받는 모든 인수를 함께 전달할 수도 있습니다. 이때 각 인수 앞에 `wandb-`를 붙이세요.

`num_eval_imges`는 모델 평가를 위해 W\&B가 table에 로깅할 검증 세트 이미지와 예측의 개수를 지정합니다.

명령을 실행하기 전에 다음 플레이스홀더를 실제 값으로 바꾸세요.

* `<project-name>`: W\&B 프로젝트 이름입니다.
* `<entity>`: W\&B entity(사용자 이름 또는 팀 이름)입니다.
* `<run-name>`: 이 트레이닝 run의 이름입니다.
* `<run-id>`: 이 run의 고유 식별자입니다.
* `<save-dir>`: YOLOX가 체크포인트와 로그를 저장하는 디렉터리입니다.
* `<num-images>`: 로깅할 검증 이미지 개수입니다.
* `<bool>`: 체크포인트 로깅 여부(`true` 또는 `false`)입니다.

```shell theme={"system"}
# W&B에 로그인
wandb login

# wandb logger 인수를 지정하여 YOLOX 트레이닝 스크립트 실행
python tools/train.py .... --logger wandb \
                wandb-project <project-name> \
                wandb-entity <entity> \
                wandb-name <run-name> \
                wandb-id <run-id> \
                wandb-save_dir <save-dir> \
                wandb-num_eval_imges <num-images> \
                wandb-log_checkpoints <bool>
```

<h2 id="example">
  예시
</h2>

트레이닝 run이 시작되면 YOLOX는 트레이닝, 검증 및 시스템 메트릭을 W\&B 프로젝트로 스트리밍합니다. W\&B 프로젝트에서 run을 비교하고 예측을 살펴볼 수 있습니다. 데이터가 채워진 대시보드의 모습은 다음 예시를 참조하세요.

[YOLOX 트레이닝 및 검증 메트릭이 포함된 예시 대시보드](https://forge.coreweave.com/wandb/manan-goel/yolox-nano/runs/3pzfeom)를 참조하세요.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/yolox_example_dashboard.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=3063b17554512c5e3e577aff228ce855" alt="YOLOX 트레이닝 대시보드" width="3016" height="2394" data-path="products/wandb/_media/yolox_example_dashboard.png" />
</Frame>

이 W\&B 인테그레이션에 관한 질문이 있거나 문제가 발생하면 [YOLOX 저장소](https://github.com/Megvii-BaseDetection/YOLOX)에 이슈를 등록하세요.