튜토리얼: 테이블 로깅, 데이터 시각화 및 쿼리

5분 퀵스타트로 W&B Tables 사용 방법을 알아보세요.

다음 퀵스타트에서는 데이터 테이블을 로깅하고, 데이터를 시각화하고, 데이터를 쿼리하는 방법을 보여줍니다.

아래 버튼을 눌러 MNIST 데이터로 PyTorch 퀵스타트 예제 프로젝트를 실행해 보세요.

​

1. 테이블 로깅하기

W&B로 테이블을 로깅할 수 있습니다. 새 테이블을 구성하거나 Pandas DataFrame을 전달할 수 있습니다.

테이블 구성하기

새로운 Table을 구성하고 로깅하려면 다음을 사용하세요:

• wandb.init(): 결과를 추적할 run을 생성합니다.
• wandb.Table(): 새 테이블 객체를 생성합니다.
  • columns: 열 이름을 설정합니다.
  • data: 각 행의 내용을 설정합니다.
• wandb.Run.log(): 테이블을 로깅하여 W&B에 저장합니다.

예시는 다음과 같습니다:

import wandb

with wandb.init(project="table-test") as run:
    # 새 테이블을 생성하고 로깅합니다.
    my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
    run.log({"Table Name": my_table})

Pandas DataFrame

Pandas DataFrame을 wandb.Table()에 전달하여 새 테이블을 생성합니다.

import wandb
import pandas as pd

df = pd.read_csv("my_data.csv")

with wandb.init(project="df-table") as run:
    # DataFrame으로부터 새 테이블을 생성하고
    # 이를 W&B에 로깅합니다.
  my_table = wandb.Table(dataframe=df)
  run.log({"Table Name": my_table})

지원되는 데이터 타입에 대한 자세한 내용은 W&B API 레퍼런스 가이드의 wandb.Table를 참조하세요.

​

2. 프로젝트 워크스페이스에서 테이블 시각화하기

워크스페이스에서 생성된 테이블을 확인합니다.

1. W&B App에서 자신의 프로젝트로 이동합니다.
2. 프로젝트 워크스페이스에서 run 이름을 선택합니다. 각 고유한 테이블 키마다 새 패널이 추가됩니다.

이 예시에서 my_table은 "Table Name" 키로 기록됩니다.

​

3. 여러 모델 버전 간 비교하기

여러 W&B Runs에서 샘플 테이블을 로깅한 다음 프로젝트 Workspace에서 결과를 비교합니다. 이 예시 Workspace에서는 서로 다른 여러 버전에서 생성된 행을 하나의 테이블로 결합하는 방법을 보여줍니다.

테이블의 필터, 정렬, 그룹화 기능을 사용해 모델 결과를 탐색하고 평가합니다.