> ## 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&B Tables 데이터를 병합 뷰 또는 나란히 보기 뷰에서 비교, 필터링, 그룹화, 정렬 및 시각화하여 분석하세요.

# table 시각화 및 분석

W\&B Tables를 사용자 지정하여 머신러닝 모델 성능에 관한 질문에 답하고, 데이터를 분석하는 등 다양한 작업을 수행하세요.

데이터를 대화형으로 탐색하여 다음 작업을 수행할 수 있습니다.

* 아티팩트 버전으로 로깅된 [두 W\&B Tables를 비교](#table-comparison-options)하여 데이터 또는 모델 성능의 변화를 분석합니다.
* 데이터에서 더 큰 흐름의 패턴을 파악합니다.
* [table에 로깅한 값이 run 전반에 걸쳐 어떻게 변하는지 확인](#visualize-how-values-change-throughout-your-runs)합니다.

<Note>
  W\&B Tables는 다음과 같이 동작합니다.

  1. **아티팩트 컨텍스트에서는 상태를 유지하지 않음**: 아티팩트 버전과 함께 로깅된 table은 브라우저 창을 닫으면 모두 기본 상태로 재설정됩니다.
  2. **Workspace 또는 리포트 컨텍스트에서는 상태를 유지함**: 단일 run Workspace, 다중 run 프로젝트 Workspace 또는 Report에서 table에 적용한 변경 사항은 모두 유지됩니다.

  현재 W\&B Table 뷰를 저장하는 방법은 [뷰 저장](#save-your-view)을 참조하세요.
</Note>

<h2 id="table-comparison-options">
  table 비교 옵션
</h2>

[병합 뷰](#merged-view) 또는 [나란히 보기 뷰](#side-by-side-view)로 두 table을 비교할 수 있습니다. 예를 들어, 아래 이미지는 MNIST 데이터의 table을 비교한 모습입니다.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/table_comparison.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=d7448ff21858a5b983841e82c16904fd" alt="트레이닝 에포크 비교" max-width="90%" width="2256" height="1182" data-path="products/wandb/_media/table_comparison.png" />
</Frame>

두 table을 비교하려면 다음 단계를 따르세요.

1. W\&B App에서 프로젝트로 이동합니다.
2. 프로젝트 사이드바에서 아티팩트 아이콘을 선택합니다.
3. 아티팩트 버전을 선택합니다.

다음 이미지는 다섯 번의 에포크가 각각 끝날 때마다 MNIST 검증 데이터에 대해 모델이 수행한 예측을 보여줍니다([대화형 예시 보기](https://forge.coreweave.com/wandb/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json)).

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/preds_mnist.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=5a2fc497b0633dccab7840b4f8747f36" alt="'predictions'를 클릭하여 Table 보기" max-width="90%" width="1698" height="1062" data-path="products/wandb/_media/preds_mnist.png" />
</Frame>

3. 사이드바에서 비교할 두 번째 아티팩트 버전에 마우스를 올리고, **Compare**가 나타나면 클릭합니다. 예를 들어, 아래 이미지에서는 "v4" 레이블이 지정된 버전을 선택해, 같은 모델이 5 에포크 동안 트레이닝한 후 수행한 MNIST 예측과 비교합니다.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/preds_2.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=1415bb296e3e5346bca8deebe054d30e" alt="모델 예측 비교" max-width="90%" width="1328" height="1292" data-path="products/wandb/_media/preds_2.png" />
</Frame>

<h3 id="merged-view">
  병합 뷰
</h3>

처음에는 두 table이 병합된 상태로 표시됩니다. 먼저 선택한 table은 인덱스 0이며 파란색으로 강조 표시되고, 두 번째 table은 인덱스 1이며 노란색으로 강조 표시됩니다. [병합된 table의 라이브 예시는 여기에서 확인하세요](https://forge.coreweave.com/wandb/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json#7dd0cd845c0edb469dec).

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/merged_view.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=c8384583102d9efe5f45cd946fd0faf1" alt="병합 뷰" max-width="90%" width="2048" height="1039" data-path="products/wandb/_media/merged_view.png" />
</Frame>

병합 뷰에서는 다음 작업을 할 수 있습니다.

* **조인 키 선택**: 왼쪽 상단의 드롭다운에서 두 table의 조인 키로 사용할 열을 설정합니다. 보통은 데이터셋에 있는 특정 예시의 파일 이름이나 생성된 샘플에 순차적으로 부여된 인덱스처럼 각 행을 고유하게 식별하는 값을 사용합니다. 현재는 *어떤* 열이든 선택할 수 있으므로, 알아보기 어려운 table이 만들어지거나 쿼리가 느려질 수 있다는 점에 유의하세요.
* **조인 대신 연결**: 이 드롭다운에서 "concatenating all tables"를 선택하면 열을 기준으로 조인하는 대신 두 table의 *모든 행을 합쳐* 하나의 더 큰 Table로 만듭니다.
* **각 Table을 명시적으로 참조**: 필터 표현식에서 0, 1, \*를 사용해 한쪽 또는 양쪽 table 인스턴스의 열을 명시적으로 지정합니다.
* **세부 수치 차이를 히스토그램으로 시각화**: 모든 셀의 값을 한눈에 비교할 수 있습니다.

<h3 id="side-by-side-view">
  나란히 보기 뷰
</h3>

두 table을 나란히 보려면 첫 번째 드롭다운을 "Merge Tables: Table"에서 "List of: Table"로 변경한 다음 "Page size"를 각각 조정하세요. 이때 처음 선택한 Table은 왼쪽에, 두 번째 Table은 오른쪽에 표시됩니다. "Vertical" 체크박스를 클릭하면 두 table을 세로로 배치해 비교할 수도 있습니다.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/side_by_side.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=a72499d6dafdc30598cdbb1fc9f8de21" alt="table 나란히 보기 뷰" max-width="90%" width="2762" height="1254" data-path="products/wandb/_media/side_by_side.png" />
</Frame>

* **table을 한눈에 비교**: 두 table에 정렬, 필터, 그룹화 등의 오퍼레이션을 동시에 적용해 변경 사항이나 차이를 빠르게 파악할 수 있습니다. 예를 들어 추측값별로 그룹화한 올바르지 않은 예측, 전체에서 가장 어려운 네거티브 샘플, 실제 레이블별 신뢰도 점수 분포 등을 확인할 수 있습니다.
* **두 table을 독립적으로 탐색**: 스크롤하면서 관심 있는 쪽이나 행에 집중할 수 있습니다.

<h2 id="compare-artifacts">
  아티팩트 비교
</h2>

아티팩트 버전으로 로깅된 두 W\&B Tables를 비교하여 데이터나 모델 성능의 변화를 분석하세요. 병합 뷰 또는 나란히 보기 뷰를 사용해 table을 비교할 수 있습니다.

<h3 id="compare-tables-across-time">
  시간 경과에 따른 table 비교
</h3>

트레이닝 기간 동안 모델 성능이 어떻게 변하는지 분석하려면 트레이닝의 주요 단계마다 아티팩트에 table을 로깅하세요. 예를 들어 검증 단계가 끝날 때마다, 트레이닝 50 에포크마다, 또는 파이프라인에 맞는 주기로 table을 로깅할 수 있습니다. 나란히 보기 뷰를 사용하면 모델 예측의 변화를 시각화할 수 있습니다.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/compare_across_time.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=04bb4295793f5c88af698e8bb9c27497" alt="트레이닝 진행 상황 비교" max-width="90%" width="2620" height="1384" data-path="products/wandb/_media/compare_across_time.png" />
</Frame>

트레이닝 기간에 걸친 예측 시각화에 대한 자세한 워크스루는 [시간 경과에 따른 예측 리포트](https://forge.coreweave.com/wandb/stacey/mnist-viz/reports/Visualize-Predictions-over-Time--Vmlldzo1OTQxMTk)와 대화형 [노트북 예시](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/datasets-predictions/W%26B_Tables_Quickstart.ipynb?_gl=1*kf20ui*_gcl_au*OTI3ODM1OTcyLjE3MzE0MzU1NjU.*_ga*ODEyMjQ4MjkyLjE3MzE0MzU1NjU.*_ga_JH1SJHJQXJ*MTczMTcwNTMwNS45LjEuMTczMTcwNTM5My4zMy4wLjA.*_ga_GMYDGNGKDT*MTczMTcwNTMwNS44LjEuMTczMTcwNTM5My4wLjAuMA..)를 참조하세요.

<h3 id="compare-tables-across-model-variants">
  모델 변형 간 table 비교
</h3>

서로 다른 두 모델에 대해 동일한 step에서 로깅된 두 아티팩트 버전을 비교하면, 설정(하이퍼파라미터, 기본 아키텍처 등)에 따라 모델 성능이 어떻게 달라지는지 분석할 수 있습니다.

예를 들어, `baseline`과 새로운 모델 변형인 `2x_layers_2x_lr`의 예측을 비교해 보세요. 이 변형은 첫 번째 합성곱 레이어를 32에서 64로, 두 번째 레이어를 128에서 256으로, 학습률을 0.001에서 0.002로 각각 두 배로 늘린 모델입니다. [이 라이브 예시](https://forge.coreweave.com/wandb/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json#2bb3b1d40aa777496b5d\$2x_layers_2x_lr)에서 나란히 보기 뷰를 사용하고, 트레이닝 에포크 1회 후(왼쪽 탭)와 5회 후(오른쪽 탭)의 올바르지 않은 예측만 필터링하세요.

<Tabs>
  <Tab title="트레이닝 에포크 1회">
    <Frame>
      <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/compare_across_variants.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=46a33e97aaad20be52984e422bdad1fe" alt="성능 비교" width="2636" height="1436" data-path="products/wandb/_media/compare_across_variants.png" />
    </Frame>
  </Tab>

  <Tab title="트레이닝 에포크 5회">
    <Frame>
      <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/compare_across_variants_after_5_epochs.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=878d5638400b8ae77e1b3a2e6132e56b" alt="변형 간 성능 비교" width="2628" height="1390" data-path="products/wandb/_media/compare_across_variants_after_5_epochs.png" />
    </Frame>
  </Tab>
</Tabs>

<h2 id="visualize-how-values-change-throughout-your-runs">
  run 전반에 걸친 값의 변화 시각화하기
</h2>

step 슬라이더를 사용하면 table에 로깅한 값이 run 전반에 걸쳐 어떻게 변하는지 확인할 수 있습니다. step 슬라이더를 움직여 각 step에서 로깅된 값을 확인하세요. 예를 들어 각 run 이후 loss, 정확도 또는 기타 메트릭이 어떻게 변하는지 확인할 수 있습니다.

슬라이더는 키를 사용해 step 값을 확인합니다. 슬라이더의 기본 키는 `_step`으로, W\&B가 자동으로 로깅하는 특수 키입니다. `_step` 키는 코드에서 `wandb.Run.log()`를 호출할 때마다 1씩 증가하는 정수입니다.

W\&B Table에 step 슬라이더를 추가하려면 다음 단계를 따르세요.

1. 프로젝트의 workspace로 이동하세요.
2. workspace 오른쪽 상단에서 **Add panel**을 클릭하세요.
3. **Query panel**을 선택하세요.
4. 쿼리 표현식 편집기에서 `runs`를 선택하고 키보드의 **Enter** 키를 누르세요.
5. 톱니바퀴 아이콘을 클릭해 패널 설정을 여세요.
6. **Render As** 선택기를 **Stepper**로 설정하세요.
7. **Stepper Key**를 `_step` 또는 step 슬라이더의 [단위로 사용할 키](#custom-step-keys)로 설정하세요.

다음 이미지는 세 개의 W\&B run과 각 run이 step 295에서 로깅한 값을 보여 주는 쿼리 패널입니다.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/stepper_key.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=e70ae524ee1459a85edec858689dba17" alt="Step 슬라이더 기능" width="3300" height="2162" data-path="products/wandb/_media/stepper_key.png" />
</Frame>

W\&B App UI에서 여러 step에 같은 값이 중복으로 표시될 수 있습니다. 이는 여러 run이 서로 다른 step에서 같은 값을 로깅했거나, run이 모든 step에서 값을 로깅하지 않은 경우에 발생할 수 있습니다. 특정 step에 값이 없으면 W\&B는 마지막으로 로깅된 값을 슬라이더 키로 사용합니다.

<h3 id="custom-step-key">
  맞춤형 step 키
</h3>

step 키로는 run에서 로깅하는 숫자형 메트릭이라면 무엇이든 사용할 수 있습니다(예: `epoch` 또는 `global_step`). 맞춤형 step 키를 사용하면 W\&B는 해당 키의 각 값을 run의 step(`_step`)에 매핑합니다.

이 table은 맞춤형 step 키 `epoch`가 세 run(`serene-sponge`, `lively-frog`, `vague-cloud`)에서 각각 `_step` 값에 어떻게 매핑되는지 보여줍니다. 각 행은 run의 특정 `_step`에서 `wandb.Run.log()`를 호출한 것을 나타내며, 각 열은 해당 step에서 로깅된 epoch 값이 있으면 그 값을 보여줍니다. 공간을 절약하기 위해 일부 `_step` 값은 생략했습니다.

`wandb.Run.log()`를 처음 호출했을 때는 어떤 run도 `epoch` 값을 로깅하지 않았으므로 table의 `epoch` 값이 비어 있습니다.

| `_step` | vague-cloud (`epoch`) | lively-frog(`epoch`) | serene-sponge (`epoch`) |
| - | - | - | - |
| 1 | | | |
| 2 | | | 1 |
| 4 | | 1 | 2 |
| 5 | 1 | | |
| 6 | | | 3 |
| 8 | | 2 | 4 |
| 10 | | | 5 |
| 12 | | 3 | 6 |
| 14 | | | 7 |
| 15 | 2 | | |
| 16 | | 4 | 8 |
| 18 | | | 9 |
| 20 | 3 | 5 | 10 |

이제 슬라이더를 `epoch = 1`로 설정하면 다음과 같이 동작합니다.

* `vague-cloud`는 `epoch = 1`을 찾아 `_step = 5`에서 로깅된 값을 반환합니다.
* `lively-frog`는 `epoch = 1`을 찾아 `_step = 4`에서 로깅된 값을 반환합니다.
* `serene-sponge`는 `epoch = 1`을 찾아 `_step = 2`에서 로깅된 값을 반환합니다.

슬라이더를 `epoch = 9`로 설정하면 다음과 같이 동작합니다.

* `vague-cloud` 역시 `epoch = 9`를 로깅하지 않으므로, W\&B는 그 이전의 가장 최근 값인 `epoch = 3`을 사용하여 `_step = 20`에서 로깅된 값을 반환합니다.
* `lively-frog`는 `epoch = 9`를 로깅하지 않지만, 그 이전의 가장 최근 값이 `epoch = 5`이므로 `_step = 20`에서 로깅된 값을 반환합니다.
* `serene-sponge`는 `epoch = 9`를 찾아 `_step = 18`에서 로깅된 값을 반환합니다.

<h2 id="save-your-view">
  뷰 저장하기
</h2>

run Workspace, 프로젝트 Workspace 또는 리포트에서 사용하는 table은 뷰 상태가 자동으로 저장됩니다. table 오퍼레이션을 적용한 후 브라우저를 닫더라도, 다음에 해당 table로 이동하면 마지막으로 본 설정이 그대로 유지됩니다.

<Note>
  아티팩트 컨텍스트에서 사용하는 table은 상태를 유지하지 않습니다.
</Note>

Workspace의 table을 특정 상태 그대로 저장하려면 W\&B Report로 내보내세요. table을 리포트로 내보내는 방법은 다음과 같습니다.

1. Workspace 시각화 패널의 오른쪽 상단에 있는 **액션(<Icon icon="ellipsis-vertical" iconType="solid" />)** 메뉴를 선택하세요.
2. **Share panel** 또는 **Add to report**를 선택하세요.

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/share_your_view.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=1a87dc7509c7748cd87d50194df4b9d7" alt="리포트 공유 옵션" max-width="90%" width="1128" height="434" data-path="products/wandb/_media/share_your_view.png" />
</Frame>

<h2 id="examples">
  예시
</h2>

다음 리포트에서 W\&B Tables의 다양한 활용 사례를 확인할 수 있습니다.

* [시간에 따른 예측 시각화](https://forge.coreweave.com/wandb/stacey/mnist-viz/reports/Visualize-Predictions-over-Time--Vmlldzo1OTQxMTk)
* [Workspace에서 table을 비교하는 방법](https://forge.coreweave.com/wandb/stacey/xtable/reports/How-to-Compare-Tables-in-Workspaces--Vmlldzo4MTc0MTA)
* [이미지 및 분류 모델](https://forge.coreweave.com/wandb/stacey/mendeleev/reports/Tables-Tutorial-Visualize-Data-for-Image-Classification--VmlldzozNjE3NjA)
* [텍스트 및 생성형 언어 모델](https://forge.coreweave.com/wandb/stacey/nlg/reports/Tables-Tutorial-Visualize-Text-Data-Predictions---Vmlldzo1NzcwNzY)
* [개체명 인식](https://forge.coreweave.com/wandb/stacey/ner_spacy/reports/Named-Entity-Recognition--Vmlldzo3MDE3NzQ)
* [AlphaFold 단백질](https://forge.coreweave.com/wandb/wandb/examples/reports/AlphaFold-ed-Proteins-in-W-B-Tables--Vmlldzo4ODc0MDc)