메인 콘텐츠로 건너뛰기
run은 W&B가 로깅하는 단일 계산 단위입니다. W&B Run은 전체 프로젝트를 구성하는 원자적 요소라고 생각할 수 있습니다. 다시 말해, 각 run은 모델을 트레이닝하고 결과를 로깅하는 것, 하이퍼파라미터 스윕 등과 같은 특정 계산의 기록입니다. run을 초기화하고 여기에 로깅하는 일반적인 사용 사례는 다음과 같습니다: W&B run을 초기화하려면 W&B Python SDK에서 wandb.init() 메서드를 호출하세요. 이 메서드는 새로운 run을 시작하고, 메트릭, 아티팩트 및 기타 정보를 run에 로깅하는 데 사용할 수 있는 wandb.Run 객체를 반환합니다. run 초기화에 대한 자세한 내용은 Initialize runs를 참고하세요. 각 run 객체에는 run ID라고 불리는 고유 식별자가 있습니다. 고유 ID를 직접 지정할 수도 있고 W&B가 무작위로 생성하도록 둘 수도 있습니다. 각 run 객체에는 사람이 읽을 수 있지만 고유하지는 않은 run name도 있습니다. run의 이름을 직접 지정할 수도 있고 W&B가 무작위로 생성하도록 둘 수도 있습니다. run을 초기화한 후에도 이름을 변경할 수 있습니다. W&B는 run을 project에 로깅합니다. wandb.init(project="")로 run을 초기화할 때 프로젝트를 지정합니다. 지정한 프로젝트가 존재하지 않으면 W&B가 새 프로젝트를 생성합니다. 프로젝트가 이미 존재하면 W&B는 해당 프로젝트에 run을 로깅합니다.
프로젝트 이름을 지정하지 않으면 W&B는 run을 Uncategorized라는 프로젝트에 저장합니다.
wandb.init()는 run의 ID, 이름, 설정, 상태와 같은 속성을 포함하는 wandb.Run 객체를 반환합니다. 이 run 객체를 사용해 wandb.Run.log(), wandb.Run.log_code(), wandb.Run.use_artifact()와 같은 메서드로 메트릭, 아티팩트 및 기타 정보를 run에 로깅하세요. 각 run에는 run의 현재 상태를 나타내는 상태가 있습니다. 가능한 모든 run 상태 목록은 Run states를 참고하세요. W&B App의 run이 속한 프로젝트 Workspace에서 run과 그 속성 보기를 할 수 있습니다. 또한 wandb.Api.Run 객체를 사용해 프로그래밍 방식으로 run 속성에 접근할 수도 있습니다. 예제로, 아래 코드는 W&B run을 초기화하고 여기에 몇 가지 메트릭을 로깅하는 예시 코드 스니펫입니다:
아래 코드 스니펫을 따라 하려면 entity 변수에 자신의 W&B entity를 전달하세요. entity는 W&B 사용자 이름 또는 팀 이름입니다. W&B App 워크스페이스의 URL에서 확인할 수 있습니다. 예를 들어 워크스페이스 URL이 https://wandb.ai/nico/awesome-project라면, entity는 nico입니다.
import wandb

entity = "nico"  # W&B entity를 입력하세요
project = "awesome-project"

with wandb.init(entity=entity, project=project) as run:
    run.log({"accuracy": 0.9, "loss": 0.1})
첫 번째 줄은 W&B Python SDK를 임포트합니다. 두 번째 줄은 엔터티 nico 아래의 awesome-project 프로젝트에서 run을 초기화합니다. 세 번째 줄은 해당 run에 모델의 정확도와 손실 값을 로깅합니다. 터미널에서 W&B는 다음을 출력합니다: 
wandb: Syncing run earnest-sunset-1
wandb: ⭐️ View project at https://wandb.ai/nico/awesome-project
wandb: 🚀 View run at https://wandb.ai/nico/awesome-project/runs/1jx1ud12
wandb:                                                                                
wandb: 
wandb: Run history:
wandb: accuracy ▁
wandb:     loss ▁
wandb: 
wandb: Run summary:
wandb: accuracy 0.9
wandb:     loss 0.5
wandb: 
wandb: 🚀 View run earnest-sunset-1 at: https://wandb.ai/nico/awesome-project/runs/1jx1ud12
wandb: ⭐️ View project at: https://wandb.ai/nico/awesome-project
wandb: Synced 6 W&B file(s), 0 media file(s), 0 artifact file(s) and 0 other file(s)
wandb: Find logs at: ./wandb/run-20241105_111006-1jx1ud12/logs
W&B는 터미널 출력에 두 개의 URL을 반환합니다. 첫 번째 URL은 특정 run의 워크스페이스로 연결되고, 두 번째 URL은 프로젝트 페이지로 연결됩니다.
단일 run 워크스페이스
한 시점에서 메트릭을 한 번만 로깅하는 것은 그다지 유용하지 않을 수 있습니다. 판별 모델을 트레이닝하는 보다 현실적인 사용 예는 일정한 간격으로 메트릭을 로깅하는 것입니다. 예를 들어, 다음 코드 스니펫을 참고하십시오: 
import wandb
import random

config = {
    "epochs": 10,
    "learning_rate": 0.01,
}

with wandb.init(project="awesome-project", config=config) as run:
    print(f"lr: {config['learning_rate']}")
      
    # 트레이닝 run을 시뮬레이션합니다.
    for epoch in range(config['epochs']):
      offset = random.random() / 5
      acc = 1 - 2**-epoch - random.random() / (epoch + 1) - offset
      loss = 2**-epoch + random.random() / (epoch + 1) + offset
      print(f"epoch={epoch}, accuracy={acc}, loss={loss}")
      run.log({"accuracy": acc, "loss": loss})
트레이닝 스크립트는 wandb.Run.log()를 10번 호출합니다. 스크립트가 wandb.Run.log()를 호출할 때마다 W&B는 해당 에포크의 정확도와 손실 값을 기록합니다. 터미널에서 다음과 비슷한 출력이 표시됩니다: 
wandb: Syncing run jolly-haze-4
wandb: ⭐️ View project at https://wandb.ai/nico/awesome-project
wandb: 🚀 View run at https://wandb.ai/nico/awesome-project/runs/pdo5110r
lr: 0.01
epoch=0, accuracy=-0.10070974957523078, loss=1.985328507123956
epoch=1, accuracy=0.2884687745057535, loss=0.7374362314407752
epoch=2, accuracy=0.7347387967382066, loss=0.4402409835486663
epoch=3, accuracy=0.7667969248039795, loss=0.26176963846423457
epoch=4, accuracy=0.7446848791003173, loss=0.24808611724405083
epoch=5, accuracy=0.8035095836268268, loss=0.16169791827329466
epoch=6, accuracy=0.861349032371624, loss=0.03432578493587426
epoch=7, accuracy=0.8794926436276016, loss=0.10331872172219471
epoch=8, accuracy=0.9424839917077272, loss=0.07767793473500445
epoch=9, accuracy=0.9584880427028566, loss=0.10531971149250456
wandb: 🚀 View run jolly-haze-4 at: https://wandb.ai/nico/awesome-project/runs/pdo5110r
wandb: Find logs at: wandb/run-20241105_111816-pdo5110r/logs
W&B는 시뮬레이션된 트레이닝 루프를 jolly-haze-4라는 단일 run에 기록합니다. 이는 스크립트에서 wandb.init() 메서드를 한 번만 호출하기 때문입니다. 이전 출력에서 W&B가 표시한 URL을 복사해 브라우저에 붙여넣으세요. 이 URL을 열면 W&B App UI에서 해당 run의 Workspace로 이동합니다. 예를 들어, 아래 이미지는 run jolly-haze-4의 Workspace를 보여줍니다:
메트릭이 로깅된 트레이닝 run