로그 축 사용자 지정

W&B에 메트릭을 로깅할 때 맞춤형 X축을 설정하세요. 기본적으로 W&B는 메트릭을 step으로 로깅합니다. 각 step은 wandb.Run.log() API 호출에 해당합니다. 예를 들어, 다음 스크립트에는 10번 반복되는 for 루프가 있습니다. 각 반복에서 스크립트는 validation_loss라는 메트릭을 로깅하고 step 번호를 1씩 증가시킵니다.

import wandb

with wandb.init() as run:
  # range 함수는 0부터 9까지의 숫자 시퀀스를 생성합니다
  for i in range(10):
    log_dict = {
        "validation_loss": 1/(i+1)   
    }
    run.log(log_dict)

프로젝트의 workspace에서 validation_loss 메트릭이 step x축에 대해 플롯되며, 이는 wandb.Run.log()가 호출될 때마다 1씩 증가합니다. 이전 코드에서 x축은 0, 1, 2, …, 9의 step 번호를 보여줍니다.

특정 상황에서는 메트릭을 로그 x축과 같은 다른 x축에 대해 로깅하는 것이 더 합리적입니다. 로깅한 모든 메트릭을 맞춤형 x축으로 사용하려면 define_metric() 방법을 사용하세요. y축으로 표시할 메트릭을 name 매개변수로 지정하세요. step_metric 매개변수는 x축으로 사용할 메트릭을 지정합니다. 맞춤형 메트릭을 로깅할 때, x축과 y축 모두에 대한 값을 딕셔너리의 키-값 쌍으로 지정하세요. 맞춤형 x축 메트릭을 설정하려면 다음 코드 스니펫을 복사하여 붙여넣으세요. <> 내의 값을 자신의 값으로 교체하세요:

import wandb

custom_step = "<custom_step>"  # 맞춤형 x축 이름
metric_name = "<metric>"  # y축 metric 이름

with wandb.init() as run:
    # step metric(x축)과 그에 대해 로깅할 metric(y축)을 지정합니다
    run.define_metric(step_metric = custom_step, name = metric_name)

    for i in range(10):
        log_dict = {
            custom_step : int,  # x축 값
            metric_name : int,  # y축 값
        }
        run.log(log_dict)

예를 들어, 다음 코드 스니펫은 x_axis_squared라는 맞춤형 x축을 생성합니다. 맞춤형 x축의 값은 for 루프 인덱스 i의 제곱(i**2)입니다. y축은 Python의 내장 random 모듈을 사용하여 검증 손실("validation_loss")에 대한 모의 값으로 구성됩니다.

import wandb
import random

with wandb.init() as run:
    run.define_metric(step_metric = "x_axis_squared", name = "validation_loss")

    for i in range(10):
        log_dict = {
            "x_axis_squared": i**2,
            "validation_loss": random.random(),
        }
        run.log(log_dict)

다음 이미지는 W&B App UI에서 결과 플롯을 보여줍니다. validation_loss 메트릭이 맞춤형 x축 x_axis_squared에 대해 플롯되며, 이는 for 루프 인덱스 i의 제곱입니다. x축 값은 0, 1, 4, 9, 16, 25, 36, 49, 64, 81이며, 각각 0, 1, 2, ..., 9의 제곱에 해당합니다.

맞춤형 x축을 사용하는 선형 플롯 패널. 루프 번호의 제곱으로 W&B에 로깅된 값입니다.

globs와 문자열 접두사를 사용하여 여러 메트릭에 대해 맞춤형 x축을 설정할 수 있습니다. 예를 들어, 다음 코드 스니펫은 train/* 접두사가 있는 로깅된 메트릭을 x축 train/step에 플롯합니다:

import wandb

with wandb.init() as run:

    # 다른 모든 train/ 메트릭이 이 step을 사용하도록 설정
    run.define_metric("train/*", step_metric="train/step")

    for i in range(10):
        log_dict = {
            "train/step": 2**i,  # 내부 W&B step에 따른 지수적 성장
            "train/loss": 1 / (i + 1),  # x-axis는 train/step
            "train/accuracy": 1 - (1 / (1 + i)),  # x-axis는 train/step
            "val/loss": 1 / (1 + i),  # x-axis는 내부 wandb step
        }
        run.log(log_dict)