CSV 파일을 table로 로깅하기
"""
Log a CSV file to W&B as a table.
Replace:
- values enclosed in angle brackets with your own
- <name>.csv in pd.read_csv() with the name of your CSV file
"""
import wandb
import pandas as pd
# CSV를 pandas DataFrame 객체로 읽기
dataframe = pd.read_csv("<name>.csv")
# DataFrame을 W&B Table로 변환
table = wandb.Table(dataframe=dataframe)
# 데이터를 로깅할 W&B run 시작
with wandb.init(project="<project>") as run:
# table을 로깅하여 W&B UI에서 시각화
run.log({"<table_name>": table})
맞춤형 summary 메트릭 로깅하기
"""
Log a custom summary metric to W&B.
"""
import wandb
import random
with wandb.init(project="<project>") as run:
# 1에서 10 사이의 임의 정수 값으로 맞춤형 summary 메트릭을 로깅하세요
run.summary["<metric_name>"] = random.randint(1, 10)
맞춤형 summary 메트릭 로깅하기
"""
Log a custom summary metric to W&B.
Replace:
- values enclosed in angle brackets with your own
- <summary_function_a> and <summary_function_b> in run.define_metric() with
one of "max", "min", "last", "mean", "best", or "none".
"""
import wandb
import random
with wandb.init() as run:
# metric_name_a에 대한 summary_function_a 및 summary_function_b summary 값
run.define_metric(name="<metric_name_a>", summary="<summary_function_a>")
run.define_metric(name="<metric_name_a>", summary="<summary_function_b>")
for i in range(10):
log_dict = {
"metric_name_a": random.uniform(0, 1 / (i + 1)),
}
run.log(log_dict)
레지스트리 컬렉션에서 기존 아티팩트 다운로드 및 로깅
"""
Download and log an existing artifact from a registry collection.
Replace the placeholders with actual registry, collection names, entity,
project, and version.
"""
import wandb
# 전체 아티팩트 이름을 버전과 함께 구성하세요
registry_name = "<registry_name>" # 레지스트리 이름을 지정하세요
collection_name = "<collection_name>" # 컬렉션 이름을 지정하세요
version = 0 # 사용할 아티팩트의 버전을 지정하세요
artifact_name_registry = f"wandb-registry-{registry_name}/{collection_name}:v{version}"
# 다른 팀과 프로젝트에서 W&B run을 초기화하세요
with wandb.init(entity="<entity>", project="<project>") as run:
# 레지스트리에서 모델 아티팩트를 사용하세요
registry_model = run.use_artifact(artifact_or_name=artifact_name_registry)
# 모델을 로컬 디렉터리에 다운로드하세요
local_model_path = registry_model.download()
히스토그램 플롯 로깅하기
"""
Log a histogram plot to W&B.
Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot
Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.
"""
import wandb
# 새 run을 시작합니다
with wandb.init(entity="<entity>", project="<project>") as run:
# 플롯할 열로 table을 생성합니다
table = wandb.Table(data=[[1, 2], [2, 3]] , columns=["<a_column>", "<b_column>"])
# table 데이터로 다양한 맞춤형 차트를 구성합니다
histogram = wandb.plot.histogram(table, value='<b_column>', title='Histogram')
# 맞춤형 table을 로깅합니다. 로깅한 table은 UI에서 사용자 지정이 가능한 차트로 표시됩니다
run.log({'histogram_1': histogram})
run을 초기화하고 하이퍼파라미터를 로깅하세요
"""Initializes a W&B run and logs hyperparameters."""
import wandb
config = {
"learning_rate": 0.01,
"batch_size": 32,
"optimizer": "adam",
}
with wandb.init(project="<project>", config=config) as run:
# 여기에 트레이닝 및 로깅 코드를 작성하세요
pass
선형 플롯 로깅하기
"""
Log a line plot to W&B.
Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot
Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.
Column names must match the x and y parameters in the `wandb.plot.line()` plotting function.
"""
import wandb
# 새 run 시작
with wandb.init(entity="<entity>", project="<project>") as run:
# 플롯할 열이 포함된 table 생성
table = wandb.Table(data=[[1, 2], [2, 3]], columns=["<column_a>", "<column_b>"])
# table을 사용해 다양한 맞춤형 차트에 데이터 채우기
line_plot = wandb.plot.line(table, x='<column_a>', y='<column_b>', title='<title>')
# 맞춤형 table 로깅(UI에서 사용자 지정 가능한 차트로 표시됨)
run.log({'<line_plot>': line_plot})
run 초기화 및 메트릭 로깅
"""Initializes a W&B run and logs a metric."""
import wandb
with wandb.init(project="<project>") as run:
# 여기에 트레이닝 및 로깅 코드를 작성하세요
# 메트릭 로깅 예시
run.log({"accuracy": 0.95})
산점도 로깅하기
"""
Log a scatter plot to W&B.
Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot
Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.
Column names must match the x and y parameters in the `wandb.plot.scatter()` plotting function.
"""
import wandb
# 새 run을 시작하세요
with wandb.init(entity="<entity>", project="<project>") as run:
# 시각화할 열로 table을 만드세요
table = wandb.Table(data=[[1, 2], [2, 3]], columns=["<a_column>", "<b_column>"])
# table을 사용하여 다양한 맞춤형 차트에 데이터를 채우세요
scatter = wandb.plot.scatter(table, x='<a_column>', y='<b_column>', title='<title>')
# UI에서 맞춤 설정 가능한 차트에 표시될 맞춤형 table을 로깅하세요
run.log({'scatter_1': scatter})
summary 메트릭을 명시적으로 로깅하기
"""
Explicitly log a summary metric to W&B.
"""
import wandb
import random
with wandb.init(project="<project>") as run:
# 1부터 10까지의 무작위 정수 값으로 맞춤형 summary 메트릭을 로깅합니다
run.summary["<metric_name>"] = random.randint(1, 10)
table 로깅하기
"""
Log a table to W&B.
Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to log
"""
import wandb
# 두 개의 column과 두 개의 행 데이터를 가진 table object 생성
my_table = wandb.Table(
columns=["<a_column>", "<b_column>"],
data=[[1, 2], [2, 3]],
log_mode="<log_mode>"
)
# 새 run 시작
with wandb.init(entity="<entity>", project="<project>") as run:
# table을 W&B에 로깅
run.log({"<table_name>": my_table})