테이블 예제

W&B Tables 예제

다음 섹션에서는 W&B Tables를 활용할 수 있는 몇 가지 방법을 소개합니다:

​

데이터 보기

모델 트레이닝이나 평가 중에 메트릭과 리치 미디어를 로깅한 다음, 결과를 클라우드와 동기화되는 영구 저장 데이터베이스나 호스팅 인스턴스에서 시각화하세요.

예를 들어, 사진 데이터셋의 균형 잡힌 분할을 보여주는 이 테이블을 확인해 보세요.

​

데이터를 대화형으로 탐색하기

정적 파일을 하나씩 살펴보거나 분석 스크립트를 다시 실행할 필요 없이, 테이블을 조회하고 정렬·필터링·그룹화·조인·쿼리해서 데이터와 모델 성능을 파악할 수 있습니다.

예를 들어, 스타일이 변환된 오디오에 대한 이 리포트를 참고하세요.

​

모델 버전 비교

서로 다른 트레이닝 에포크, 데이터셋, 하이퍼파라미터 설정, 모델 아키텍처 등에서의 결과를 빠르게 비교할 수 있습니다.

예를 들어, 동일한 테스트 이미지에서 두 모델을 비교한 테이블을 확인해 보세요.

​

모든 세부사항을 추적하고 큰 그림을 파악하세요

특정 스텝에서의 개별 예측을 확대해 시각화하세요. 축소해 전체 통계를 살펴보고, 오류 패턴을 파악하며, 개선 가능성을 이해하세요. 이 도구는 하나의 모델 트레이닝 내에서 스텝을 비교할 때도, 서로 다른 모델 버전 간의 결과를 비교할 때도 사용할 수 있습니다.

예를 들어, MNIST 데이터셋에서 하나의 에포크 이후와 다섯 개의 에포크 이후 결과를 분석한 예제 테이블을 확인해 보세요.

​

W&B Tables를 사용하는 예제 프로젝트

다음은 W&B Tables를 사용하는 실제 W&B Projects의 일부입니다.

​

이미지 분류

Visualize Data for Image Classification를 읽고, data visualization nature Colab을 따라 하거나, artifacts context를 탐색해 보세요. CNN이 iNaturalist 사진에서 열 가지 종류의 생물(식물, 새, 곤충 등)을 어떻게 식별하는지 확인할 수 있습니다.

​

오디오

timbre transfer에 대한 Whale2Song - W&B Tables for Audio에서 오디오 테이블을 탐색해 보세요. 녹음된 고래 소리를 바이올린이나 트럼펫 같은 악기로 같은 멜로디를 합성한 버전과 비교할 수 있습니다. 또한 직접 소리를 녹음한 뒤, audio transfer Colab을 사용해 W&B에서 합성된 버전을 살펴볼 수도 있습니다.

​

텍스트

트레이닝 데이터나 생성된 출력에서 텍스트 샘플을 탐색하고, 관련 필드로 동적으로 그룹화하며, 다양한 모델 변형이나 실험 설정 간에 평가를 일관되게 적용하세요. 텍스트를 Markdown으로 렌더링하거나 시각적 diff 모드를 사용해 텍스트를 비교할 수 있습니다. 문자 기반 RNN 예시는 Shakespeare 텍스트 생성 리포트를 참고하세요.

​

비디오

트레이닝 중에 로깅된 비디오를 탐색하고 집계하여 모델을 더 잘 이해할 수 있습니다. 다음은 RL 에이전트가 부작용을 최소화하도록 학습하는 데 SafeLife 벤치마크를 사용한 초기 예입니다.

​

표 형식 데이터

버전 관리 및 중복 제거를 적용해 표 형식 데이터를 분할하고 전처리하는 방법에 대한 리포트를 확인하세요.

​

모델 변형 비교 (semantic segmentation)

semantic segmentation용으로 Tables를 로깅하고 서로 다른 모델을 비교하는 방법을 보여주는 대화형 노트북과 라이브 예시가 있습니다. 이 Table에서 직접 쿼리를 실행해 보세요.

​

트레이닝 시간에 따른 성능 향상 분석

시간에 따른 예측을 시각화하는 방법을 자세히 설명한 리포트와, 함께 사용할 수 있는 인터랙티브 노트북입니다.