W&B 퀵스타트 - CoreWeave Docs

W&B를 설치하여 모든 규모의 머신러닝 실험을 추적, 시각화 및 관리하세요.

W&B Weave에 대한 정보를 찾고 계신가요? Weave Python SDK 퀵스타트 또는 Weave TypeScript SDK 퀵스타트를 참조하세요.

계정 만들기

처음 로그인할 때, 간단한 설정 플로우가 계정을 만들고 조직에 연결합니다. 표시되는 단계는 도착 방식에 따라 달라집니다.

로그인 방법 선택

Google로 계속하기, GitHub로 계속하기, Apple로 계속하기 또는 Microsoft로 계속하기를 선택하거나, 이메일 주소와 비밀번호로 가입하세요.Weights & Biases 자격 증명이 이미 있다면 여기서 사용할 수 있습니다. 가입 대신 로그인을 선택하세요.

이메일 확인

계정의 이메일 주소 수신함에서 확인 링크를 확인하세요. 도착하지 않으면 스팸 폴더를 확인하거나 이메일 재전송을 선택하세요.

계정 가입

전체 이름, 조직 또는 기관, 사용자 이름을 입력하세요. 사용자 이름은 프로필 URL이 되므로 고유해야 합니다. 사용자 이름은 문자, 숫자, 밑줄, 하이픈만 사용할 수 있습니다.**Forge를 어떻게 사용하시겠습니까?**의 경우, 개인 또는 비즈니스 프로젝트에는 Professional을, 연구 또는 교육에는 Academic을 선택하세요.계속하려면 서비스 약관과 개인정보 보호 정책에 동의하세요.

팀 가입

이메일 도메인이 팀이 열려 있는 조직과 일치하면 해당 팀 중 하나에 가입할 수 있습니다.팀 초대를 통해 도착했거나 이미 팀에 속해 있다면 이 단계를 볼 수 없습니다.

조직 만들기

조직 이름을 지정하세요. 이름은 URL의 일부가 됩니다. 예: forge.coreweave.com/my-organization.이전 단계에서 팀에 가입했거나, 팀 초대를 통해 도착했거나, 이미 팀에 속해 있다면 이 단계를 볼 수 없습니다.

작업 중인 항목 선택

모델 학습 및 파인튜닝, 에이전트 구축 및 평가, 대규모 추론 실행 또는 탐색 중입니다 중 하나를 선택하세요. 선택에 따라 다음에 표시되는 페이지가 결정되지만, 사용할 수 있는 제품은 제한되지 않습니다.

설정 플로우를 마치면 계정을 사용할 준비가 됩니다.

API 키 생성

머신을 인증하려면 API 키를 생성하세요. API 키를 생성하려면 Personal API key 또는 Service Account API key 탭을 선택하세요.

Personal API key
Service account API key

사용자 ID가 소유한 personal API key를 생성하려면:

Forge에 로그인한 다음 user profile icon을 클릭하고 User settings를 선택하세요.
API keys 내에서 New key를 선택하세요.
API 키에 설명이 포함된 이름을 지정하세요.
Create API key를 클릭하세요.
표시된 API 키를 즉시 복사하고 안전하게 보관하세요.

W&B는 전체 API 키를 생성할 때 한 번만 표시합니다. 대화 상자를 닫은 후에는 전체 API 키를 다시 볼 수 없습니다. 설정에는 키 ID(키의 앞부분)만 표시됩니다. 전체 API 키를 분실한 경우 새 키를 생성해야 합니다.

보안 저장 옵션은 Store API keys securely를 참조하세요.

`wandb` 라이브러리 설치 및 로그인

Command line
Python
Python notebook

WANDB_API_KEY 환경 변수을 설정하세요. YOUR_API_KEY를 생성한 API 키로 바꾸세요.
export WANDB_API_KEY=YOUR_API_KEY
wandb 라이브러리를 설치하고 로그인하세요:
pip install wandb wandb login

pip으로 W&B Python SDK를 설치하세요:
pip install wandb
W&B Python SDK를 임포트한 후 Python script에서 wandb.login()으로 W&B에 로그인하세요:
import wandb wandb.login()

셸 이스케이프(!)를 사용해 W&B Python SDK를 설치하세요:
!pip install wandb
W&B Python SDK를 임포트한 후 노트북에서 wandb.login()으로 W&B에 로그인하세요:
import wandb wandb.login()

run 초기화 및 하이퍼파라미터 추적

Python script or 노트북에서 W&B run object를 wandb.init()으로 초기화하세요. config 매개변수에 딕셔너리를 사용하여 하이퍼파라미터 이름과 값을 지정하세요. with 문 내에서 W&B에 메트릭 및 기타 정보를 로깅할 수 있습니다.

import wandb

wandb.login()

# run이 기록되는 프로젝트
project = "my-awesome-project"

# 하이퍼파라미터를 포함한 딕셔너리
config = {
    'epochs' : 10,
    'lr' : 0.01
}

with wandb.init(project=project, config=config) as run:
    # 여기에 트레이닝 코드 작성
    # run.log()로 W&B에 값 로깅
    run.log({"accuracy": 0.9, "loss": 0.1})

트레이닝 run을 시뮬레이션하고 W&B에 정확도와 손실 메트릭을 로깅하는 전체 예제를 보려면 머신 러닝 트레이닝 실험 만들기를 참조하세요.

run은 W&B의 핵심 요소입니다. run을 사용하여 메트릭을 추적하고, 로그를 생성하며, 아티팩트를 추적할 수 있습니다.

머신 러닝 트레이닝 실험 생성

이 모의 트레이닝 스크립트는 시뮬레이션된 정확도 및 손실 메트릭을 W&B에 로깅합니다. 다음 코드를 복사하여 Python 스크립트나 노트북 셀에 붙여넣은 후 실행하세요.

import wandb
import random

wandb.login()

# run이 기록되는 프로젝트
project = "my-awesome-project"

# 하이퍼파라미터 딕셔너리
config = {
    'epochs' : 10,
    'lr' : 0.01
}

with wandb.init(project=project, config=config) as run:
    offset = random.random() / 5
    print(f"lr: {config['lr']}")

    # 트레이닝 run 시뮬레이션
    for epoch in range(2, config['epochs']):
        acc = 1 - 2**-config['epochs'] - random.random() / config['epochs'] - offset
        loss = 2**-config['epochs'] + random.random() / config['epochs'] + offset
        print(f"epoch={config['epochs']}, accuracy={acc}, loss={loss}")
        run.log({"accuracy": acc, "loss": loss})

W&B 대시보드를 방문하여 정확도와 손실 같은 기록된 메트릭을 확인하고, 각 트레이닝 step 동안 어떻게 변하는지 보세요. 다음 이미지는 각 run에서 추적된 손실과 정확도를 보여줍니다. 각 run object는 생성된 이름과 함께 Runs 열에 표시됩니다.

Forge의 프로젝트 Workspace로, Runs 열에 7개의 run이 나열되어 있고 loss와 정확도 차트가 표시된 모습

다음 단계

W&B의 추가 기능을 살펴보세요:

첫 run에 대해 알아보고 생성하세요.
W&B Artifacts로 모델, 데이터셋 및 기타 파일을 추적하세요.
W&B Sweeps로 하이퍼파라미터 검색을 자동화하고 모델을 최적화하세요.
레지스트리로 모델, 프롬프트 및 데이터셋을 공유하세요.
프로젝트의 대시보드에서 run을 분석하고, 모델 예측을 시각화하며, 아티팩트를 확인하세요.
W&B Reports로 발견 사항을 요약하고 협업자와 업데이트를 공유하세요.
W&B Weave로 LLM 애플리케이션을 트레이스하고 평가하세요.

​계정 만들기

​API 키 생성

​wandb 라이브러리 설치 및 로그인

​run 초기화 및 하이퍼파라미터 추적

​머신 러닝 트레이닝 실험 생성

​다음 단계

계정 만들기

API 키 생성

`wandb` 라이브러리 설치 및 로그인

run 초기화 및 하이퍼파라미터 추적

머신 러닝 트레이닝 실험 생성

다음 단계