Query 패널 개요

이 페이지의 일부 기능은 베타 상태이며 기능 플래그 뒤에 숨겨져 있습니다. 프로필 페이지의 자기소개란에 weave-plot을 추가하면 관련된 모든 기능을 사용할 수 있습니다.

W&B Weave를 찾고 계신가요? 생성형 AI 애플리케이션 구축을 위한 W&B의 도구 제품군을 말씀하시는 건가요? Weave 문서는 여기에서 확인하세요: wandb.me/weave.

Query 패널을 사용해 데이터를 쿼리하고 대화형으로 시각화하세요.

​

쿼리 패널 생성

워크스페이스 또는 리포트에 쿼리를 추가합니다.

프로젝트 Workspace

1. 프로젝트의 워크스페이스로 이동합니다.
2. 오른쪽 상단에서 Add panel을 클릭합니다.
3. 드롭다운에서 Query panel을 선택합니다.

W&B Report

/Query panel을 입력하고 선택합니다.

또는 쿼리를 여러 run 집합과 연결할 수도 있습니다:

1. 리포트 내에서 /Panel grid를 입력하고 선택합니다.
2. Add panel 버튼을 클릭합니다.
3. 드롭다운에서 Query panel을 선택합니다.

​

쿼리 구성 요소

​

Expressions

쿼리 표현식으로 W&B에 저장된 run, 아티팩트, 모델, 테이블 등의 데이터를 조회하세요.

​

예시: 테이블 쿼리하기

W&B Table을 쿼리하고 싶다고 가정해 보겠습니다. 트레이닝 코드에서 "cifar10_sample_table"이라는 테이블을 로깅합니다:

import wandb
with wandb.init() as run:
  run.log({"cifar10_sample_table":<MY_TABLE>})

쿼리 패널에서 테이블을 다음과 같이 쿼리할 수 있습니다:

runs.summary["cifar10_sample_table"]

이를 단계별로 살펴보면 다음과 같습니다:

• runs는 Query Panel이 Workspace 안에 있을 때 Query Panel Expressions에 자동으로 주입되는 변수입니다. 이 변수의 “값”은 해당 Workspace에서 볼 수 있는 run 목록입니다. run에서 사용할 수 있는 다양한 속성(attribute)에 대해 여기에서 자세히 알아보세요.
• summary는 Run의 Summary 객체를 반환하는 op입니다. op는 매핑되어 동작하므로, 이 op가 리스트에 있는 각 Run에 적용되어 Summary 객체들의 리스트가 결과로 생성됩니다.
• ["cifar10_sample_table"]는 대괄호로 표시되는 Pick op이며, predictions를 파라미터로 받습니다. Summary 객체는 딕셔너리나 맵처럼 동작하므로, 이 연산은 각 Summary 객체에서 predictions 필드를 선택합니다.

대화형으로 직접 쿼리를 작성하는 방법을 알아보려면 Query panel 데모를 참고하세요.

​

설정

패널의 왼쪽 상단에 있는 톱니바퀴 아이콘을 클릭해 쿼리 설정을 펼칩니다. 여기에서 패널 유형과 결과 패널의 파라미터를 설정할 수 있습니다.

​

결과 패널

마지막으로, 쿼리 결과 패널은 선택한 쿼리 패널과 설정에 따라 쿼리 표현식의 결과를 렌더링하여 데이터를 대화형 형태로 표시합니다. 아래 이미지는 동일한 데이터를 테이블과 플롯으로 각각 보여줍니다.

​

기본 작업

다음은 쿼리 패널에서 수행할 수 있는 일반적인 작업입니다.

​

정렬

열 옵션에서 정렬하기:

​

필터

쿼리 내에서 직접 필터링을 하거나 왼쪽 상단에 있는 필터 버튼(두 번째 이미지)을 사용할 수 있습니다.

​

Map

Map 연산은 리스트를 순회하면서 데이터의 각 요소에 함수를 적용합니다. 이는 패널 쿼리에서 직접 수행하거나, 컬럼 옵션에서 새 컬럼을 추가하여 수행할 수 있습니다.

​

Groupby

쿼리에서 또는 열 옵션을 통해 그룹화를 수행할 수 있습니다.

​

Concat

concat 연산을 사용하면 두 개의 테이블을 연결할 수 있으며, 패널 설정에서 연결 또는 조인을 수행할 수 있습니다.

​

조인

쿼리 내에서 테이블을 직접 조인할 수도 있습니다. 다음 쿼리 표현식을 살펴보세요:

project("luis_team_test", "weave_example_queries").runs.summary["short_table_0"].table.rows.concat.join(\
project("luis_team_test", "weave_example_queries").runs.summary["short_table_1"].table.rows.concat,\
(row) => row["Label"],(row) => row["Label"], "Table1", "Table2",\
"false", "false")

왼쪽 테이블은 다음으로부터 생성되었습니다:

project("luis_team_test", "weave_example_queries").\
runs.summary["short_table_0"].table.rows.concat.join

오른쪽에 있는 표는 다음으로부터 생성됩니다:

project("luis_team_test", "weave_example_queries").\
runs.summary["short_table_1"].table.rows.concat

여기서:

• (row) => row["Label"] 은 각 테이블에서 어떤 컬럼을 기준으로 조인할지 결정하는 선택자입니다
• "Table1" 과 "Table2" 는 조인 결과에서 각 테이블을 가리키는 이름입니다
• true 와 false 는 왼쪽/오른쪽, 내부/외부 조인 방식을 설정하는 값입니다

​

Runs 객체

쿼리 패널을 사용하여 runs 객체에 접근합니다. run 객체는 실험 기록을 저장합니다. 자세한 내용은 Accessing runs object를 참조하세요. 간단히 요약하면, runs 객체에는 다음과 같은 항목이 있습니다:

• summary: run의 결과를 요약하는 정보를 담은 사전입니다. 정확도와 손실 같은 스칼라 값이나 대용량 파일이 포함될 수 있습니다. 기본적으로 wandb.Run.log()는 로깅된 시계열의 마지막 값을 summary로 설정합니다. summary의 내용을 직접 설정할 수도 있습니다. summary는 run의 출력이라고 생각하면 됩니다.
• history: 모델이 트레이닝되는 동안 손실처럼 변화하는 값을 저장하기 위한 사전들의 리스트입니다. wandb.Run.log() 명령은 이 객체에 항목을 계속 추가합니다.
• config: 트레이닝 run의 하이퍼파라미터나 데이터셋 아티팩트를 생성하는 run의 전처리 방법 등, run의 설정 정보를 담은 사전입니다. 이를 run의 “입력”이라고 생각하면 됩니다.

​

Artifacts 액세스

Artifacts는 W&B의 핵심 개념입니다. 버전이 관리되는 이름 있는 파일 및 디렉터리 컬렉션입니다. 모델 가중치, 데이터셋 및 기타 모든 파일이나 디렉터리를 추적하려면 Artifacts를 사용하세요. Artifacts는 W&B에 저장되며 다른 run에서 다운로드하거나 사용할 수 있습니다. 더 자세한 내용과 예시는 Accessing artifacts에서 확인할 수 있습니다. 일반적으로 Artifacts는 project 객체를 통해 액세스합니다:

• project.artifactVersion(): 주어진 이름과 버전에 대해 프로젝트 내 특정 아티팩트 버전을 반환합니다
• project.artifact(""): 프로젝트 내에서 주어진 이름에 해당하는 아티팩트를 반환합니다. 이후 .versions를 사용해 이 아티팩트의 모든 버전 목록을 가져올 수 있습니다
• project.artifactType(): 프로젝트 내에서 주어진 이름에 해당하는 artifactType을 반환합니다. 이후 .artifacts를 사용해 이 타입의 모든 아티팩트 목록을 가져올 수 있습니다
• project.artifactTypes: 프로젝트에서 사용 가능한 모든 아티팩트 타입 목록을 반환합니다