미디어 및 객체 로깅

이미지, 비디오, 오디오 등을 지원합니다. 리치 미디어를 로깅하여 결과를 탐색하고 run, 모델, 데이터셋을 시각적으로 비교하세요. 아래에서 예시와 사용 가이드를 확인하세요.

더 자세한 내용은 모델 예측 시각화에 관한 데모 보고서를 확인하거나 비디오 워크스루를 시청하세요.

사전 요구 사항

W&B SDK를 사용하여 미디어 객체를 로깅하려면 추가 의존성을 설치해야 할 수 있습니다. 다음 명령을 실행하여 이러한 의존성을 설치할 수 있습니다:

pip install wandb[media]

이미지

이미지를 로깅하여 입력, 출력, 필터 가중치, 활성화 등을 추적하세요.

이미지는 NumPy 배열이나 PIL 이미지에서 직접 로깅하거나, 파일 시스템에서 로깅할 수 있습니다. step에서 이미지를 로깅할 때마다 UI에서 해당 이미지를 확인할 수 있습니다. 이미지 패널을 펼친 다음 step 슬라이더를 사용하여 여러 step의 이미지를 살펴보세요. 이렇게 하면 트레이닝 중 모델 출력이 어떻게 변하는지 쉽게 비교할 수 있습니다. 미디어 패널을 클릭하면 이미지를 전체 화면 모드로 볼 수 있으며, 이 모드에서는 키보드 단축키 등을 사용하여 확대/축소하고 이동할 수 있습니다. 서로 다른 run, step 또는 인덱스의 이미지나 비디오를 하나의 뷰에서 비교하려면 미디어 패널의 비교 모드를 사용하세요.

트레이닝 중 로깅이 병목 지점이 되거나 결과를 볼 때 이미지 로딩이 병목 지점이 되지 않도록 step당 50개 미만의 이미지를 로깅하는 것이 좋습니다.

배열을 이미지로 로깅하기
PIL 이미지 로깅하기
파일에서 이미지 로깅하기

torchvision의 make_grid를 사용할 때처럼 이미지를 수동으로 구성하는 경우에는 배열을 직접 제공하세요.배열은 Pillow를 사용하여 png로 변환됩니다.

import wandb

with wandb.init(project="image-log-example") as run:

    images = wandb.Image(image_array, caption="Top: Output, Bottom: Input")

    run.log({"examples": images})

마지막 차원이 1이면 그레이스케일, 3이면 RGB, 4이면 RGBA 이미지로 간주합니다. 배열에 부동 소수점 값이 포함되어 있으면 0에서 255 사이의 정수로 변환합니다. 이미지를 다른 방식으로 정규화하려면 mode를 수동으로 지정하거나, 이 패널의 “PIL 이미지 로깅하기” 탭에 설명된 대로 PIL.Image를 직접 제공하세요.

배열을 이미지로 변환하는 과정을 완전히 제어하려면 PIL.Image를 직접 만들어 제공하세요.

from PIL import Image

with wandb.init(project="") as run:
    # NumPy 배열로 PIL 이미지 생성
    image = Image.fromarray(image_array)

    # (선택) 필요한 경우 RGB로 변환
    if image.mode != "RGB":
        image = image.convert("RGB")

    # 이미지 로깅
    run.log({"example": wandb.Image(image, caption="My Image")})

더 세밀하게 제어하려면 원하는 방식으로 이미지를 만들어 디스크에 저장한 뒤 파일 경로를 제공하세요.

import wandb
from PIL import Image

with wandb.init(project="") as run:

    im = Image.fromarray(...)
    rgb_im = im.convert("RGB")
    rgb_im.save("myimage.jpg")

    run.log({"example": wandb.Image("myimage.jpg")})

이미지 오버레이

세그멘테이션 마스크
바운딩 박스

시맨틱 세그멘테이션 마스크를 로깅하고 W&B UI에서 불투명도 조절, 시간에 따른 변화 확인 등 다양한 방식으로 상호작용하세요.

오버레이를 로깅하려면 다음 키와 값을 포함하는 딕셔너리를 wandb.Image의 masks 키워드 인수에 전달하세요.

이미지 마스크를 나타내는 두 키 중 하나:
- "mask_data": 각 픽셀의 정수 클래스 레이블을 포함하는 2차원 NumPy 배열
- "path": (string) 저장된 이미지 마스크 파일의 경로
"class_labels": (선택) 이미지 마스크의 정수 클래스 레이블을 사람이 읽을 수 있는 클래스 이름에 매핑하는 딕셔너리

여러 마스크를 로깅하려면 아래 코드 스니펫처럼 여러 키를 포함하는 마스크 딕셔너리를 로깅하세요.실제 예시 보기예시 코드

mask_data = np.array([[1, 2, 2, ..., 2, 2, 1], ...])

class_labels = {1: "tree", 2: "car", 3: "road"}

mask_img = wandb.Image(
    image,
    masks={
        "predictions": {"mask_data": mask_data, "class_labels": class_labels},
        "ground_truth": {
            # ...
        },
        # ...
    },
)

키의 세그멘테이션 마스크는 각 step(run.log()를 호출할 때마다)에서 정의됩니다.

여러 step에서 동일한 마스크 키에 서로 다른 값을 제공하면, 해당 키의 가장 최근 값만 이미지에 적용됩니다.
여러 step에서 서로 다른 마스크 키를 제공하면, 각 키의 모든 값이 표시되지만 현재 보고 있는 step에서 정의된 값만 이미지에 적용됩니다. 해당 step에서 정의되지 않은 마스크의 표시 여부를 전환해도 이미지는 변경되지 않습니다.

이미지와 함께 바운딩 박스를 로깅하고, 필터와 표시/숨기기 기능을 사용하여 UI에서 다양한 박스 집합을 동적으로 시각화하세요.

실제 예시 보기바운딩 박스를 로깅하려면 다음 키와 값이 포함된 딕셔너리를 wandb.Image의 boxes 키워드 인수에 제공해야 합니다.

box_data: 각 박스에 해당하는 딕셔너리의 목록입니다. 박스 딕셔너리 형식은 아래에 설명되어 있습니다.
- position: 아래에 설명된 두 가지 형식 중 하나로 박스의 위치와 크기를 나타내는 딕셔너리입니다. 모든 박스가 같은 형식을 사용할 필요는 없습니다.
  - 옵션 1: {"minX", "maxX", "minY", "maxY"}. 박스의 각 차원에 대한 상한과 하한을 정의하는 좌표 집합을 제공하세요.
  - 옵션 2: {"middle", "width", "height"}. middle 좌표를 [x,y]로, width와 height를 스칼라로 지정하는 좌표 집합을 제공하세요.
- class_id: 박스의 클래스 ID를 나타내는 정수입니다. 아래의 class_labels 키를 참조하세요.
- scores: 문자열 레이블과 숫자 점수 값으로 구성된 딕셔너리입니다. UI에서 박스를 필터링하는 데 사용할 수 있습니다.
- domain: 박스 좌표의 단위/형식을 지정합니다. 이미지 크기 범위 내의 정수처럼 박스 좌표가 픽셀 공간으로 표현되는 경우 이 값을 “pixel”로 설정하세요. 기본적으로 domain은 이미지에 대한 비율/백분율로 간주되며, 0과 1 사이의 부동 소수점 숫자로 표현됩니다.
- box_caption: (선택) 이 박스의 레이블 텍스트로 표시할 문자열
class_labels: (선택) class_id를 문자열에 매핑하는 딕셔너리입니다. 기본적으로 class_0, class_1 등의 클래스 레이블이 생성됩니다.

이 예제를 확인하세요:

import wandb

class_id_to_label = {
    1: "car",
    2: "road",
    3: "building",
    # ...
}

img = wandb.Image(
    image,
    boxes={
        "predictions": {
            "box_data": [
                {
                    # 기본 상대 좌표/비율 좌표로 표현한 경계 상자 하나
                    "position": {"minX": 0.1, "maxX": 0.2, "minY": 0.3, "maxY": 0.4},
                    "class_id": 2,
                    "box_caption": class_id_to_label[2],
                    "scores": {"acc": 0.1, "loss": 1.2},
                    # 픽셀 좌표로 표현한 또 다른 경계 상자
                    # (설명을 위한 예시일 뿐이며, 일반적으로 모든 경계 상자는
                    # 동일한 좌표 체계/형식을 사용합니다)
                    "position": {"middle": [150, 20], "width": 68, "height": 112},
                    "domain": "pixel",
                    "class_id": 3,
                    "box_caption": "a building",
                    "scores": {"acc": 0.5, "loss": 0.7},
                    # ...
                    # 필요한 만큼 경계 상자를 로깅하세요
                }
            ],
            "class_labels": class_id_to_label,
        },
        # 의미 있는 각 경계 상자 그룹을 고유한 키 이름으로 로깅하세요
        "ground_truth": {
            # ...
        },
    },
)

with wandb.init(project="my_project") as run:
    run.log({"driving_scene": img})

Tables의 이미지 오버레이

세그멘테이션 마스크
바운딩 박스

table에 세그멘테이션 마스크를 로깅하려면 table의 각 행에 wandb.Image 객체를 제공해야 합니다.아래 코드 스니펫에 예시가 나와 있습니다:

table = wandb.Table(columns=["ID", "Image"])

for id, img, label in zip(ids, images, labels):
    mask_img = wandb.Image(
        img,
        masks={
            "prediction": {"mask_data": label, "class_labels": class_labels}
            # ...
        },
    )

    table.add_data(id, mask_img)

with wandb.init(project="my_project") as run:
    run.log({"Table": table})

table에 바운딩 박스가 있는 이미지를 로깅하려면 table의 각 행에 wandb.Image 객체를 제공해야 합니다.아래 코드 스니펫에 예시가 나와 있습니다:

table = wandb.Table(columns=["ID", "Image"])

for id, img, boxes in zip(ids, images, boxes_set):
    box_img = wandb.Image(
        img,
        boxes={
            "prediction": {
                "box_data": [
                    {
                        "position": {
                            "minX": box["minX"],
                            "minY": box["minY"],
                            "maxX": box["maxX"],
                            "maxY": box["maxY"],
                        },
                        "class_id": box["class_id"],
                        "box_caption": box["caption"],
                        "domain": "pixel",
                    }
                    for box in boxes
                ],
                "class_labels": class_labels,
            }
        },
    )

히스토그램

기본 히스토그램 로깅
유연한 히스토그램 로깅

목록, 배열, 텐서 등 숫자 시퀀스를 첫 번째 인수로 전달하면 np.histogram()을 호출하여 히스토그램을 자동으로 생성합니다. 모든 배열과 텐서는 1차원으로 평탄화됩니다. 선택적 키워드 인수 num_bins를 사용하면 기본값인 64개 대신 원하는 구간 수를 지정할 수 있습니다. 구간 수는 최대 512개까지 지원됩니다.UI에서는 트레이닝 중 로깅된 히스토그램을 쉽게 비교할 수 있도록 x축에 트레이닝 step, y축에 메트릭 값을 표시하고, 각 구간의 빈도를 색상으로 나타냅니다. 일회성 히스토그램을 로깅하는 방법은 이 패널의 “Histograms in Summary” 탭을 참조하세요.

run.log({"gradients": wandb.Histogram(grads)})

더 세밀하게 제어하려면 np.histogram()을 직접 호출한 뒤 반환된 튜플을 np_histogram 키워드 인수에 전달하세요.

np_hist_grads = np.histogram(grads, density=True, range=(0.0, 1.0))
run.log({"gradients": wandb.Histogram(np_hist_grads)})

3D 시각화

3D 포인트 클라우드와 바운딩 박스가 포함된 Lidar 장면을 로깅하세요. 렌더링할 점의 좌표와 색상이 포함된 NumPy 배열을 전달하세요. 로깅된 포인트 클라우드는 W&B 앱에서 완전한 대화형 기능을 제공합니다. 예를 들어, 아래에 삽입된 주행 장면의 LIDAR 포인트 클라우드 보고서는 3D 바운딩 박스가 포함된 Lyft 데이터셋의 장면을 보여줍니다. 뷰어 안에서 드래그하여 회전하고 확대하거나 축소하세요.

point_cloud = np.array([[0, 0, 0, COLOR]])

run.log({"point_cloud": wandb.Object3D(point_cloud)})

W&B UI는 데이터 포인트를 300,000개까지만 표시합니다.

NumPy 배열 형식

유연한 색상 구성을 위해 세 가지 NumPy 배열 형식을 지원합니다.

[[x, y, z], ...] nx3
[[x, y, z, c], ...] nx4 | c는 범주입니다 범위는 [1, 14]입니다 (분할에 유용)
[[x, y, z, r, g, b], ...] nx6 | r,g,b는 빨강, 초록, 파랑 색상 채널에 대한 [0,255]범위의 값입니다.

Python 객체

이 스키마를 사용하여 Python 객체를 정의하고 from_point_cloud 방법에 전달할 수 있습니다.

points는 위에 표시된 단순한 포인트 클라우드 렌더러와 동일한 형식을 사용하여 렌더링할 포인트의 좌표와 색상을 포함하는 NumPy 배열입니다.
boxes는 세 가지 속성이 있는 Python 딕셔너리의 NumPy 배열입니다:
- corners- 여덟 개의 모서리 목록
- label- 박스에 렌더링할 레이블을 나타내는 문자열 (선택)
- color- 박스의 색상을 나타내는 rgb 값
- score - 바운딩 박스에 표시되는 숫자 값으로, 표시할 바운딩 박스를 필터링하는 데 사용할 수 있습니다(예를 들어, score > 0.75인 바운딩 박스만 표시). (선택)
type은 렌더링할 장면 유형을 나타내는 문자열입니다. 현재 지원되는 유일한 값은 lidar/beta입니다.

point_list = [
    [
        2566.571924017235, # x
        746.7817289698219, # y
        -15.269245470863748,# z
        76.5, # 빨강
        127.5, # 초록
        89.46617199365393 # 파랑
    ],
    [ 2566.592983606823, 746.6791987335685, -15.275803826279521, 76.5, 127.5, 89.45471117247024 ],
    [ 2566.616361739416, 746.4903185513501, -15.28628929674075, 76.5, 127.5, 89.41336375503832 ],
    [ 2561.706014951675, 744.5349468458361, -14.877496818222781, 76.5, 127.5, 82.21868245418283 ],
    [ 2561.5281847916694, 744.2546118233013, -14.867862032341005, 76.5, 127.5, 81.87824684536432 ],
    [ 2561.3693562897465, 744.1804761656741, -14.854129178142523, 76.5, 127.5, 81.64137897587152 ],
    [ 2561.6093071504515, 744.0287526628543, -14.882135189841177, 76.5, 127.5, 81.89871499537098 ],
    # ... 이하 생략
]

run.log({"my_first_point_cloud": wandb.Object3D.from_point_cloud(
     points = point_list,
     boxes = [{
         "corners": [
                [ 2601.2765123137915, 767.5669506323393, -17.816764802288663 ],
                [ 2599.7259021588347, 769.0082337923552, -17.816764802288663 ],
                [ 2599.7259021588347, 769.0082337923552, -19.66876480228866 ],
                [ 2601.2765123137915, 767.5669506323393, -19.66876480228866 ],
                [ 2604.8684867834395, 771.4313904894723, -17.816764802288663 ],
                [ 2603.3178766284827, 772.8726736494882, -17.816764802288663 ],
                [ 2603.3178766284827, 772.8726736494882, -19.66876480228866 ],
                [ 2604.8684867834395, 771.4313904894723, -19.66876480228866 ]
        ],
         "color": [0, 0, 255], # 바운딩 박스의 RGB 색상
         "label": "car", # 바운딩 박스에 표시되는 문자열
         "score": 0.6 # 바운딩 박스에 표시되는 숫자
     }],
     vectors = [
        {"start": [0, 0, 0], "end": [0.1, 0.2, 0.5], "color": [255, 0, 0]}, # 색상은 선택 사항
     ],
     point_cloud_type = "lidar/beta",
)})

포인트 클라우드를 볼 때 control 키를 누른 상태에서 마우스를 사용하여 공간 안에서 이동할 수 있습니다.

포인트 클라우드 파일

from_file 방법을 사용하여 포인트 클라우드 데이터가 담긴 JSON 파일 전체를 불러올 수 있습니다.

run.log({"my_cloud_from_file": wandb.Object3D.from_file(
     "./my_point_cloud.pts.json"
)})

포인트 클라우드 데이터의 형식을 지정하는 예시는 아래와 같습니다.

{
    "boxes": [
        {
            "color": [
                0,
                255,
                0
            ],
            "score": 0.35,
            "label": "My label",
            "corners": [
                [
                    2589.695869075582,
                    760.7400443552185,
                    -18.044831294622487
                ],
                [
                    2590.719039645323,
                    762.3871153874499,
                    -18.044831294622487
                ],
                [
                    2590.719039645323,
                    762.3871153874499,
                    -19.54083129462249
                ],
                [
                    2589.695869075582,
                    760.7400443552185,
                    -19.54083129462249
                ],
                [
                    2594.9666662674313,
                    757.4657929961453,
                    -18.044831294622487
                ],
                [
                    2595.9898368371723,
                    759.1128640283766,
                    -18.044831294622487
                ],
                [
                    2595.9898368371723,
                    759.1128640283766,
                    -19.54083129462249
                ],
                [
                    2594.9666662674313,
                    757.4657929961453,
                    -19.54083129462249
                ]
            ]
        }
    ],
    "points": [
        [
            2566.571924017235,
            746.7817289698219,
            -15.269245470863748,
            76.5,
            127.5,
            89.46617199365393
        ],
        [
            2566.592983606823,
            746.6791987335685,
            -15.275803826279521,
            76.5,
            127.5,
            89.45471117247024
        ],
        [
            2566.616361739416,
            746.4903185513501,
            -15.28628929674075,
            76.5,
            127.5,
            89.41336375503832
        ]
    ],
    "type": "lidar/beta"
}

NumPy 배열

위에서 정의한 동일한 배열 형식을 사용하면 from_numpy 방법으로 numpy 배열을 직접 사용하여 포인트 클라우드를 정의할 수 있습니다.

run.log({"my_cloud_from_numpy_xyz": wandb.Object3D.from_numpy(
     np.array(  
        [
            [0.4, 1, 1.3], # x, y, z
            [1, 1, 1], 
            [1.2, 1, 1.2]
        ]
    )
)})

run.log({"my_cloud_from_numpy_cat": wandb.Object3D.from_numpy(
     np.array(  
        [
            [0.4, 1, 1.3, 1], # x, y, z, 범주 
            [1, 1, 1, 1], 
            [1.2, 1, 1.2, 12], 
            [1.2, 1, 1.3, 12], 
            [1.2, 1, 1.4, 12], 
            [1.2, 1, 1.5, 12], 
            [1.2, 1, 1.6, 11], 
            [1.2, 1, 1.7, 11], 
        ]
    )
)})

run.log({"my_cloud_from_numpy_rgb": wandb.Object3D.from_numpy(
     np.array(  
        [
            [0.4, 1, 1.3, 255, 0, 0], # x, y, z, r, g, b 
            [1, 1, 1, 0, 255, 0], 
            [1.2, 1, 1.3, 0, 255, 255],
            [1.2, 1, 1.4, 0, 255, 255],
            [1.2, 1, 1.5, 0, 0, 255],
            [1.2, 1, 1.1, 0, 0, 255],
            [1.2, 1, 0.9, 0, 0, 255],
        ]
    )
)})

run.log({"protein": wandb.Molecule("6lu7.pdb")})

분자 데이터는 10가지 파일 유형 중 하나로 로깅할 수 있습니다: pdb, pqr, mmcif, mcif, cif, sdf, sd, gro, mol2, mmtf. W&B는 SMILES 문자열, rdkit mol 파일, rdkit.Chem.rdchem.Mol 객체로부터 분자 데이터를 로깅하는 기능도 지원합니다.

resveratrol = rdkit.Chem.MolFromSmiles("Oc1ccc(cc1)C=Cc1cc(O)cc(c1)O")

run.log(
    {
        "resveratrol": wandb.Molecule.from_rdkit(resveratrol),
        "green fluorescent protein": wandb.Molecule.from_rdkit("2b3p.mol"),
        "acetaminophen": wandb.Molecule.from_smiles("CC(=O)Nc1ccc(O)cc1"),
    }
)

run이 종료되면 UI에서 분자의 3D 시각화와 상호작용할 수 있습니다. AlphaFold를 사용하는 실제 예시 보기

PNG 이미지

wandb.Image 는 numpy 배열이나 PILImage 인스턴스를 기본적으로 PNG로 변환합니다.

run.log({"example": wandb.Image(...)})
# 또는 여러 이미지
run.log({"example": [wandb.Image(...) for img in images]})

비디오

비디오는 wandb.Video 데이터 유형을 사용하여 로깅합니다:

run.log({"example": wandb.Video("myvideo.mp4")})

이제 미디어 브라우저에서 비디오를 볼 수 있습니다. 프로젝트 Workspace, run Workspace 또는 보고서로 이동한 후 Add visualization을 클릭하여 리치 미디어 패널을 추가하세요.

분자의 2D 뷰

wandb.Image 데이터 유형과 rdkit을 사용하여 분자의 2D 뷰를 로깅할 수 있습니다:

molecule = rdkit.Chem.MolFromSmiles("CC(=O)O")
rdkit.Chem.AllChem.Compute2DCoords(molecule)
rdkit.Chem.AllChem.GenerateDepictionMatching2DStructure(molecule, molecule)
pil_image = rdkit.Chem.Draw.MolToImage(molecule, size=(300, 300))

run.log({"acetic_acid": wandb.Image(pil_image)})

기타 미디어

W&B는 다양한 기타 미디어 유형의 로깅도 지원합니다.

오디오

run.log({"whale songs": wandb.Audio(np_array, caption="OooOoo", sample_rate=32)})

step당 최대 100개의 오디오 클립을 로깅할 수 있습니다. 사용에 대한 자세한 내용은 audio-file을 참조하세요.

비디오

run.log({"video": wandb.Video(numpy_array_or_path_to_video, fps=4, format="gif")})

numpy 배열이 제공되면 차원은 순서대로 time, channels, width, height로 가정합니다. 기본적으로 4 fps gif 이미지를 생성합니다 (ffmpeg 및 moviepy python 라이브러리는 numpy 객체를 전달할 때 필요합니다). 지원되는 형식은 "gif", "mp4", "webm", "ogg"입니다. wandb.Video에 문자열을 전달하면 wandb에 업로드하기 전에 파일이 존재하고 지원되는 형식인지 확인합니다. BytesIO 객체를 전달하면 지정된 형식을 확장자로 하는 임시 파일을 생성합니다. W&B run 및 프로젝트 페이지에서 Media 섹션에 비디오가 표시됩니다. 자세한 사용 정보는 video-file을 참조하세요.

텍스트

wandb.Table을 사용하여 텍스트를 table에 로깅하고 UI에 표시하세요. 기본적으로 열 머리글은 ["Input", "Output", "Expected"]입니다. 최적의 UI 성능을 보장하기 위해 기본 최대 행 수는 10,000으로 설정되어 있습니다. 하지만 wandb.Table.MAX_ROWS = {DESIRED_MAX}를 사용하여 최댓값을 명시적으로 재정의할 수 있습니다.

with wandb.init(project="my_project") as run:
    columns = ["Text", "Predicted Sentiment", "True Sentiment"]
    # 방법 1
    data = [["I love my phone", "1", "1"], ["My phone sucks", "0", "-1"]]
    table = wandb.Table(data=data, columns=columns)
    run.log({"examples": table})

    # 방법 2
    table = wandb.Table(columns=columns)
    table.add_data("I love my phone", "1", "1")
    table.add_data("My phone sucks", "0", "-1")
    run.log({"examples": table})

pandas DataFrame 객체를 전달할 수도 있습니다.

table = wandb.Table(dataframe=my_dataframe)

자세한 사용 정보는 string을 참조하세요.

HTML

run.log({"custom_file": wandb.Html(open("some.html"))})
run.log({"custom_string": wandb.Html('<a href="https://mysite">Link</a>')})

원하는 키에 맞춤형 HTML을 로깅하여 run 페이지에 HTML 패널을 표시하세요. 기본적으로 기본 스타일이 삽입되며, inject=False를 전달하여 기본 스타일을 비활성화할 수 있습니다.

run.log({"custom_file": wandb.Html(open("some.html"), inject=False)})

자세한 사용 정보는 html-file을 참조하세요.

​사전 요구 사항

​이미지

​이미지 오버레이

​Tables의 이미지 오버레이

​히스토그램

​3D 시각화

​NumPy 배열 형식

​Python 객체

​포인트 클라우드 파일

​NumPy 배열

​PNG 이미지

​비디오

​분자의 2D 뷰

​기타 미디어

​오디오

​비디오

​텍스트

​HTML

사전 요구 사항

이미지

이미지 오버레이

Tables의 이미지 오버레이

히스토그램

3D 시각화

NumPy 배열 형식

Python 객체

포인트 클라우드 파일

NumPy 배열

PNG 이미지

비디오

분자의 2D 뷰

기타 미디어

오디오

비디오

텍스트

HTML