> ## 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.
# 모델 로깅하기
> log_model 및 use_model SDK 메서드를 사용하여 모델 아티팩트를 W&B run에 로깅하고 나중에 가져오세요.
export const ColabLink = ({url}) =>
Try in Colab
;
모델 로깅하기
이 가이드에서는 W\&B run에 모델을 로깅하고 활용하는 방법을 설명합니다.
다음 API는 실험 추적 워크플로의 일부로 모델을 추적할 때 유용합니다. 이 페이지에 나열된 API를 사용하여 run에 모델을 로깅하고 메트릭, table, 미디어 및 기타 객체에 액세스하세요.
다음과 같은 작업을 하려면 [W\&B Artifacts](/ko/products/wandb/artifacts)를 사용하는 것이 좋습니다.
* 데이터셋, 프롬프트 등 모델 이외의 직렬화된 데이터를 여러 버전으로 생성하고 추적합니다.
* 모델 또는 W\&B에서 추적되는 기타 객체의 [리니지 그래프](/ko/products/wandb/artifacts/explore-and-traverse-an-artifact-graph)를 탐색합니다.
* 이러한 메서드로 생성된 모델 아티팩트를 활용합니다. 예를 들어 [속성(메타데이터, 별칭, 설명)을 업데이트](/ko/products/wandb/artifacts/update-an-artifact)할 수 있습니다.
W\&B Artifacts 및 고급 버전 관리 사용 사례에 대한 자세한 내용은 [Artifacts](/ko/products/wandb/artifacts) 문서를 참조하세요.
run에 모델 로깅하기
[`log_model`](/ko/products/wandb/ref/python/experiments/run#log_model)을 사용하면 지정한 디렉터리의 콘텐츠가 담긴 모델 아티팩트를 로깅할 수 있습니다. [`log_model`](/ko/products/wandb/ref/python/experiments/run#log_model) 메서드는 생성된 모델 아티팩트를 W\&B run의 출력으로도 표시합니다.
모델을 W\&B run의 입력 또는 출력으로 표시하면 모델의 의존성과 연관 관계를 추적할 수 있습니다. 모델의 리니지는 W\&B App UI에서 확인하세요. 자세한 내용은 [Artifacts](/ko/products/wandb/artifacts) 챕터의 [아티팩트 그래프 탐색 및 순회](/ko/products/wandb/artifacts/explore-and-traverse-an-artifact-graph) 페이지를 참조하세요.
`path` 매개변수에 모델 파일이 저장된 경로를 지정하세요. 경로로는 로컬 파일, 디렉터리 또는 `s3://bucket/path`와 같은 external cloud storage bucket의 [참조 URI](/ko/products/wandb/artifacts/track-external-files#amazon-s3--gcs--azure-blob-storage-references)를 사용할 수 있습니다.
`<>`로 묶인 값은 사용자 환경에 맞는 값으로 바꾸세요.
```python theme={"system"}
import wandb
# W&B run 초기화
with wandb.init(project="", entity="") as run:
# 모델 로깅
run.log_model(path="", name="")
```
필요한 경우 `name` 매개변수로 모델 아티팩트의 이름을 지정할 수 있습니다. `name`을 지정하지 않으면 W\&B는 입력 경로의 basename 앞에 run ID를 붙인 값을 이름으로 사용합니다.
직접 지정했거나 W\&B가 부여한 모델의 `name`을 기록해 두세요. [`wandb.Run.use_model()`](/ko/products/wandb/ref/python/experiments/run#use_model) 메서드로 모델 경로를 가져올 때 모델 이름이 필요합니다.
매개변수에 대한 자세한 내용은 API 레퍼런스의 [`log_model`](/ko/products/wandb/ref/python/experiments/run#log_model)을 참조하세요.
예시: run에 모델 로깅하기
```python theme={"system"}
import os
import wandb
from tensorflow import keras
from tensorflow.keras import layers
config = {"optimizer": "adam", "loss": "categorical_crossentropy"}
# W&B run 초기화
with wandb.init(entity="charlie", project="mnist-experiments", config=config) as run:
# 하이퍼파라미터
loss = run.config["loss"]
optimizer = run.config["optimizer"]
metrics = ["accuracy"]
num_classes = 10
input_shape = (28, 28, 1)
# 트레이닝 알고리즘
model = keras.Sequential(
[
layers.Input(shape=input_shape),
layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Flatten(),
layers.Dropout(0.5),
layers.Dense(num_classes, activation="softmax"),
]
)
# 트레이닝을 위한 모델 설정
model.compile(loss=loss, optimizer=optimizer, metrics=metrics)
# 모델 저장
model_filename = "model.h5"
local_filepath = "./"
full_path = os.path.join(local_filepath, model_filename)
model.save(filepath=full_path)
# W&B run에 모델 로깅
run.log_model(path=full_path, name="MNIST")
```
`wandb.Run.log_model()`을 호출하면 `MNIST`라는 이름의 모델 아티팩트가 생성되고, 이 모델 아티팩트에 `model.h5` 파일이 추가됩니다. 터미널이나 노트북에는 모델이 로깅된 run의 정보를 확인할 수 있는 위치가 출력됩니다.
```python theme={"system"}
View run different-surf-5 at: https://wandb.ai/charlie/mnist-experiments/runs/wlby6fuw
Synced 5 W&B file(s), 0 media file(s), 1 artifact file(s) and 0 other file(s)
Find logs at: ./wandb/run-20231206_103511-wlby6fuw/logs
```
로깅한 모델 다운로드 및 사용
[`use_model`](/ko/products/wandb/ref/python/experiments/run#use_model) 함수를 사용하여 이전에 W\&B run에 로깅한 모델 파일에 액세스하고 다운로드하세요.
가져올 모델 파일이 저장된 모델 아티팩트의 이름을 지정하세요. 지정한 이름은 이미 로깅된 모델 아티팩트의 이름과 일치해야 합니다.
처음에 `log_model`로 파일을 로깅할 때 `name`을 정의하지 않았다면, 입력 경로의 basename 앞에 run ID를 붙인 이름이 기본적으로 부여됩니다.
`<>`로 묶인 값을 자신의 값으로 바꾸세요.
```python theme={"system"}
import wandb
# run 초기화
with wandb.init(project="", entity="") as run:
# 모델에 액세스하고 다운로드. 반환값: 다운로드한 아티팩트의 경로
downloaded_model_path = run.use_model(name="")
```
[use\_model](/ko/products/wandb/ref/python/experiments/run#use_model) 함수는 다운로드한 모델 파일의 경로를 반환합니다. 나중에 이 모델을 연결하려면 이 경로를 기록해 두세요. 앞의 코드 스니펫에서는 반환된 경로를 `downloaded_model_path`라는 변수에 저장합니다.
예시: 로깅한 모델 다운로드 및 사용
예를 들어, 다음 코드 스니펫에서 사용자는 `use_model` API를 호출했습니다. 가져올 모델 아티팩트의 이름과 버전/별칭을 지정했습니다. 그런 다음 API가 반환한 경로를 `downloaded_model_path` 변수에 저장했습니다.
```python theme={"system"}
import wandb
entity = "luka"
project = "NLP_Experiments"
alias = "latest" # 모델 버전의 의미를 나타내는 별칭 또는 식별자
model_artifact_name = "fine-tuned-model"
# run 초기화
with wandb.init(project=project, entity=entity) as run:
# 모델에 액세스하여 다운로드합니다. 다운로드한 아티팩트의 경로를 반환합니다
downloaded_model_path = run.use_model(name = f"{model_artifact_name}:{alias}")
```
매개변수와 반환 유형은 API 레퍼런스의 [`use_model`](/ko/products/wandb/ref/python/experiments/run#use_model)을 참조하세요.
## Related topics
- [예시 코드 및 노트북](/ko/products/wandb/examples.md)