> ## 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 설치하고 몇 분 만에 머신 러닝 실험을 추적, 시각화 및 관리하세요. # W&B 퀵스타트 export const GitHubLink = ({url, compact = false}) => {compact ? "View source" : <> GitHub source } ; export const ColabLink = ({url}) => Try in Colab ;
W\&B를 설치하여 모든 규모의 머신러닝 실험을 추적, 시각화 및 관리하세요. W\&B Weave에 대한 정보를 찾고 계신가요? [Weave Python SDK 퀵스타트](/ko/products/wandb/weave/quickstart) 또는 [Weave TypeScript SDK 퀵스타트](/ko/products/wandb/weave/reference/generated_typescript_docs/intro-notebook)를 참조하세요.

계정 만들기

처음 로그인할 때, 간단한 설정 플로우가 계정을 만들고 조직에 연결합니다. 표시되는 단계는 도착 방식에 따라 달라집니다. **Google로 계속하기**, **GitHub로 계속하기**, **Apple로 계속하기** 또는 **Microsoft로 계속하기**를 선택하거나, 이메일 주소와 비밀번호로 가입하세요. Weights & Biases 자격 증명이 이미 있다면 여기서 사용할 수 있습니다. **가입** 대신 **로그인**을 선택하세요. 계정의 이메일 주소 수신함에서 확인 링크를 확인하세요. 도착하지 않으면 스팸 폴더를 확인하거나 **이메일 재전송**을 선택하세요. 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 **Professional**을, 연구 또는 교육에는 **Academic**을 선택하세요. 계속하려면 서비스 약관과 개인정보 보호 정책에 동의하세요. 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 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. **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. 사용자 ID가 소유한 personal API key를 생성하려면: 1. Forge에 로그인한 다음 user profile icon을 클릭하고 **User settings**를 선택하세요. 2. **API keys** 내에서 **New key**를 선택하세요. 3. API 키에 설명이 포함된 이름을 지정하세요. 4. **Create API key**를 클릭하세요. 5. 표시된 API 키를 즉시 복사하고 안전하게 보관하세요. 서비스 계정이 소유하는 API 키를 생성하려면 다음을 수행하세요. 1. 팀 또는 조직 설정에서 **Service Accounts** 탭으로 이동하세요. 2. 목록에서 해당 서비스 계정을 찾으세요. 3. **액션()** 메뉴를 클릭한 다음 **Create API key**를 클릭하세요. 4. API 키의 이름을 입력한 다음 **Create**를 클릭하세요. 5. 표시된 API 키를 즉시 복사하여 안전한 곳에 보관하세요. 6. **Done**을 클릭하세요. 환경이나 워크플로별로 사용할 수 있도록 하나의 서비스 계정에 여러 API 키를 생성할 수 있습니다. 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 securely](/ko/products/wandb/platform/app/settings-page/user-settings#store-and-handle-api-keys-securely)를 참조하세요.

`wandb` 라이브러리 설치 및 로그인

1. `WANDB_API_KEY` [환경 변수](/ko/products/wandb/track/environment-variables)을 설정하세요. `YOUR_API_KEY`를 생성한 API 키로 바꾸세요. ```bash theme={"system"} export WANDB_API_KEY=YOUR_API_KEY ``` 2. `wandb` 라이브러리를 설치하고 로그인하세요: ```shell theme={"system"} pip install wandb wandb login ``` 1. `pip`으로 W\&B Python SDK를 설치하세요: ```bash theme={"system"} pip install wandb ``` 2. W\&B Python SDK를 임포트한 후 Python script에서 `wandb.login()`으로 W\&B에 로그인하세요: ```python theme={"system"} import wandb wandb.login() ``` 1. 셸 이스케이프(`!`)를 사용해 W\&B Python SDK를 설치하세요: ```notebook theme={"system"} !pip install wandb ``` 2. W\&B Python SDK를 임포트한 후 노트북에서 `wandb.login()`으로 W\&B에 로그인하세요: ```notebook theme={"system"} import wandb wandb.login() ```

run 초기화 및 하이퍼파라미터 추적

Python script or 노트북에서 W\&B run object를 [`wandb.init()`](/ko/products/wandb/ref/python/experiments/run)으로 초기화하세요. `config` 매개변수에 딕셔너리를 사용하여 하이퍼파라미터 이름과 값을 지정하세요. `with` 문 내에서 W\&B에 메트릭 및 기타 정보를 로깅할 수 있습니다. ```python theme={"system"} 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 만들기](#create-a-machine-learning-training-experiment)를 참조하세요. [run](/ko/products/wandb/runs)은 W\&B의 핵심 요소입니다. run을 사용하여 [메트릭을 추적](/ko/products/wandb/track)하고, [로그를 생성](/ko/products/wandb/track/log)하며, 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. ```python theme={"system"} 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 대시보드](https://forge.coreweave.com/wandb)를 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 [run](/ko/products/wandb/runs)에 대해 알아보고 생성하세요. * [W\&B Artifacts](/ko/products/wandb/artifacts)로 모델, 데이터셋 및 기타 파일을 추적하세요. * [W\&B Sweeps](/ko/products/wandb/sweeps)로 하이퍼파라미터 검색을 자동화하고 모델을 최적화하세요. * [레지스트리](/ko/products/registry)로 모델, 프롬프트 및 데이터셋을 공유하세요. * 프로젝트의 [대시보드](/ko/products/wandb/track/workspaces)에서 run을 분석하고, 모델 예측을 시각화하며, 아티팩트를 확인하세요. * [W\&B Reports](/ko/products/wandb/reports)로 발견 사항을 요약하고 협업자와 업데이트를 공유하세요. * [W\&B Weave](/ko/products/wandb/weave/quickstart)로 LLM 애플리케이션을 트레이스하고 평가하세요.