메인 콘텐츠로 건너뛰기
wandb.init()으로 W&B Run을 초기화합니다. 기본적으로 W&B는 wandb.init()을 호출할 때 각 Python 프로세스에 동시에 하나의 활성 run만 존재한다고 가정합니다. wandb.init()을 다시 호출하면 W&B는 동일한 run을 반환하거나, 기존 run을 종료한 후 새 run을 시작합니다. 동일한 프로세스에서 wandb.init()을 여러 번 호출했을 때 이를 처리하는 방식은 환경(노트북 vs 비노트북)과 reinit 설정에 따라 달라집니다. 동일한 프로세스에서 여러 개의 활성 run을 관리하려면 하나의 프로세스에서 여러 run 사용을 참조하세요.
W&B는 wandb.init()을 호출할 때 with 블록을 사용할 것을 권장합니다. 이렇게 하면 블록이 끝날 때 W&B가 run을 올바르게 종료하고 모든 데이터를 업로드하는 것이 보장됩니다.

​
프로세스당 하나의 run

다음 예제 코드 스니펫은 W&B Python SDK를 import한 후 run을 초기화하는 방법을 보여줍니다.
basic.py
import wandb

with wandb.init(entity="nico", project="awesome-project") as run:
    # 여기에 트레이닝 로직을 작성하세요
다음은 이 코드 스니펫의 출력입니다: 
🚀 View run exalted-darkness-6 at: 
https://wandb.ai/nico/awesome-project/runs/pgbn9y21
Find logs at: wandb/run-20241106_090747-pgbn9y21/logs
출력 결과를 보면 W&B가 엔티티 nico의 프로젝트 awesome-project에 run exalted-darkness-6을(를) 기록했음을 알 수 있습니다. pgbn9y21은(는) 이 run에 대해 W&B가 생성한 고유 run ID입니다.

​
하나의 프로세스에서 여러 run 사용

단일 Python 프로세스에서 여러 run을 관리할 수 있습니다. 이는 기본 프로세스를 계속 활성 상태로 유지하면서, 하위 작업을 위해 단기 보조 프로세스를 생성해야 하는 워크플로에서 유용합니다. 예를 들면 다음과 같습니다:
  • 스크립트 전체에서 하나의 “기본(primary)” run을 계속 활성 상태로 유지하면서, 평가나 하위 작업을 위해 짧게 실행되는 “보조(secondary)” run을 여러 개 띄우는 경우
  • 하나의 파일에서 여러 하위 실험을 오케스트레이션하는 경우
  • 하나의 “메인” 프로세스에서 여러 개의 run으로 로깅하되, 각 run이 서로 다른 작업 또는 기간을 나타내도록 하는 경우
기본적으로 W&B는 wandb.init()을 호출할 때 각 Python 프로세스에 동시에 하나의 활성 run만 있다고 가정합니다. wandb.init()을 다시 호출하면, 설정에 따라 W&B는 동일한 run을 반환하거나, 새로운 run을 시작하기 전에 기존 run을 종료합니다. 이 가이드는 단일 Python 프로세스에서 여러 run을 사용할 수 있도록 reinit을 사용해 wandb.init() 동작을 변경하는 방법을 설명합니다.
요구 사항단일 Python 프로세스에서 여러 run을 관리하려면 W&B Python SDK 버전이 v0.19.10 이상이어야 합니다.

​
reinit 옵션

reinit 파라미터를 사용해 W&B가 wandb.init()를 여러 번 호출하는 경우를 어떻게 처리할지 설정할 수 있습니다. 아래 표는 허용되는 인자 값과 그 효과를 설명합니다:
설명run을 생성하나요?사용 예
create_new기존에 활성 상태인 run들을 종료하지 않고 wandb.init()으로 새 run을 생성합니다. W&B는 전역 wandb.Run을 새 run으로 자동 전환하지 않습니다. 각 run 객체를 직접 보관해야 합니다. 자세한 내용은 아래의 한 프로세스에서 여러 run 실행 예시를 참고하세요.Yes동시에 실행되는 프로세스를 생성하고 관리하기에 적합합니다. 예를 들어, “primary” run을 계속 활성 상태로 유지하면서 “secondary” run들을 시작하거나 종료하는 경우에 사용할 수 있습니다.
finish_previous새 run을 wandb.init()으로 생성하기 전에 활성 상태인 모든 run에 대해 run.finish()를 호출해 종료합니다. 노트북이 아닌 환경에서의 기본 동작입니다.Yes순차적인 하위 프로세스를 개별 run으로 나누고 싶을 때 적합합니다.
return_previous가장 최근의 아직 종료되지 않은 run을 반환합니다. 노트북 환경에서의 기본 동작입니다.No
W&B는 Hugging Face Trainer, Keras callbacks, PyTorch Lightning처럼 단일 전역 run을 가정하는 W&B Integrations에 대해 create_new 모드를 지원하지 않습니다. 이러한 인테그레이션을 사용하는 경우에는 각 하위 실험을 별도의 프로세스에서 실행해야 합니다.

​
reinit 설정하기

  • reinit 인수를 사용해 wandb.init()을 직접 호출합니다: 
    import wandb
with wandb.init(reinit="<create_new|finish_previous|return_previous>") as run:
    # 여기에 코드를 작성하세요
  • wandb.init()를 사용하고, settings 매개변수에 wandb.Settings 객체를 전달합니다. Settings 객체에서 reinit 값을 지정합니다: 
    import wandb
with wandb.init(settings=wandb.Settings(reinit="<create_new|finish_previous|return_previous>")) as run:
    # 여기에 코드를 작성하세요
  • 현재 프로세스에서 생성되는 모든 run에 대해 전역적으로 reinit 옵션을 설정하려면 wandb.setup()을 사용합니다. 이는 동작 방식을 한 번만 설정해 두고, 이후 해당 프로세스에서 호출되는 모든 wandb.init()에 동일하게 적용되도록 할 때 유용합니다. 
    import wandb
with wandb.setup(wandb.Settings(reinit="<create_new|finish_previous|return_previous>")) as run:
     # 여기에 코드를 작성하세요
  • 환경 변수 WANDB_REINIT에 원하는 reinit 값을 지정합니다. 환경 변수를 정의하면 wandb.init() 호출에 reinit 옵션이 적용됩니다. 
    export WANDB_REINIT="<create_new|finish_previous|return_previous>"
다음 코드 조각은 wandb.init()를 호출할 때마다 새 run을 생성하도록 W&B를 설정하는 방법을 개략적으로 보여줍니다: 
import wandb

wandb.setup(wandb.Settings(reinit="create_new"))

with wandb.init() as experiment_results_run:
    # 이 run은 각 실험의 결과를 기록하는 데 사용됩니다.
    # 결과를 수집하는 상위 run으로 생각할 수 있습니다.
      with wandb.init() as run:
         # do_experiment() 함수는 세분화된 메트릭을 지정된 run에 기록하고,
         # 별도로 추적하려는 결과 메트릭을 반환합니다.
         experiment_results = do_experiment(run)

         # 각 실험 후, 결과를 상위 run에 기록합니다.
         # 상위 run의 차트에서 각 점은 하나의 실험 결과에 해당합니다.
         experiment_results_run.log(experiment_results)

​
예시: 동시 실행 프로세스

스크립트의 전체 수명 동안 열린 상태로 유지되는 기본 프로세스를 하나 두고, 이 기본 프로세스를 종료하지 않은 채 주기적으로 수명이 짧은 보조 프로세스를 생성하고 싶다고 가정해 보겠습니다. 예를 들어, 이 패턴은 기본 run에서 모델을 트레이닝하면서, 별도의 run들에서 평가를 수행하거나 다른 작업을 하고 싶을 때 유용합니다. 이를 위해 reinit="create_new"를 사용해 여러 run을 초기화합니다. 이 예시에서는 스크립트 전체 동안 열린 상태로 유지되는 기본 프로세스를 “Run A”라고 하고, “Run B1”, “Run B2”는 평가 같은 작업을 위한 수명이 짧은 보조 run이라고 가정합니다. 상위 수준 워크플로는 대략 다음과 같습니다:
  1. wandb.init()으로 기본 프로세스 Run A를 초기화하고 트레이닝 메트릭을 기록합니다.
  2. wandb.init()으로 Run B1을 초기화하고 데이터를 기록한 뒤, 해당 run을 종료합니다.
  3. Run A에 더 많은 데이터를 기록합니다.
  4. Run B2를 초기화하고 데이터를 기록한 뒤, 해당 run을 종료합니다.
  5. Run A에 계속해서 로그를 기록합니다.
  6. 마지막에 Run A를 종료합니다.
다음 Python 코드 예제는 이 워크플로를 보여줍니다: 
import wandb

def train(name: str) -> None:
    """자체 W&B run에서 트레이닝을 한 번 수행합니다.

    `reinit="create_new"`와 함께 'with wandb.init()' 블록을 사용하면
    다른 run(기본 추적 run 등)이 이미 활성 상태인 경우에도
    이 트레이닝 서브 run을 생성할 수 있습니다.
    """
    with wandb.init(
        project="my_project",
        name=name,
        reinit="create_new"
    ) as run:
        # 실제 스크립트에서는 이 블록 안에서 트레이닝 단계를 실행합니다.
        run.log({"train_loss": 0.42})  # 실제 메트릭으로 교체하세요

def evaluate_loss_accuracy() -> (float, float):
    """현재 모델의 손실 및 정확도를 반환합니다.
    
    이 플레이스홀더를 실제 평가 로직으로 교체하세요.
    """
    return 0.27, 0.91  # 예시 메트릭 값

# 여러 트레이닝/평가 단계 동안 활성 상태를 유지하는 '기본' run을 생성합니다.
with wandb.init(
    project="my_project",
    name="tracking_run",
    reinit="create_new"
) as tracking_run:
    # 1) 'training_1'이라는 서브 run에서 트레이닝을 한 번 실행합니다
    train("training_1")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})

    # 2) 'training_2'라는 서브 run에서 트레이닝을 다시 실행합니다
    train("training_2")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})
    
    # 이 'with' 블록이 종료되면 'tracking_run'이 자동으로 완료됩니다.
이전 예제에서 다음 세 가지 핵심 사항을 유의하세요:
  1. reinit="create_new"는 wandb.init()을 호출할 때마다 새 run을 생성합니다.
  2. 각 run에 대한 참조를 유지해야 합니다. wandb.run은 reinit="create_new"로 생성된 새 run을 자동으로 가리키지 않습니다. 새 run은 run_a, run_b1 등과 같은 변수에 저장하고, 필요에 따라 해당 객체에서 .log() 또는 .finish()를 호출하세요.
  3. 기본 run은 계속 열어 둔 채, 서브 run은 원하는 때에 언제든지 종료할 수 있습니다.
  4. 해당 run에 대한 로깅을 모두 마쳤다면 run.finish()로 run을 종료하세요. 이렇게 하면 모든 데이터가 업로드되고 run이 올바르게 종료됩니다.