로그 축 사용자 지정

W&B에 메트릭을 로깅할 때 사용자 지정 x축을 설정할 수 있습니다. 기본적으로 W&B는 메트릭을 스텝 단위로 로깅합니다. 각 스텝은 wandb.Run.log() API 호출 한 번에 해당합니다.

예를 들어, 다음 스크립트에는 10번 반복되는 for 루프가 있습니다. 각 반복마다 스크립트는 validation_loss라는 메트릭을 로깅하고 스텝 번호를 1씩 증가시킵니다.

import wandb

with wandb.init() as run:
  # range 함수는 0부터 9까지의 숫자 시퀀스를 생성합니다
  for i in range(10):
    log_dict = {
        "validation_loss": 1/(i+1)   
    }
    run.log(log_dict)

프로젝트의 워크스페이스에서 validation_loss 메트릭은 x축인 step에 대해 그려지며, wandb.Run.log()가 호출될 때마다 step 값이 1씩 증가합니다. 앞의 코드에서 x축은 단계 번호 0, 1, 2, …, 9를 표시합니다.

특정 상황에서는 로그 스케일과 같은 다른 x축에 대해 메트릭을 로깅하는 것이 더 적절할 수 있습니다. define_metric() 메서드를 사용하면 로깅하는 원하는 메트릭을 사용자 지정 x축으로 사용할 수 있습니다.

name 파라미터로 y축에 표시할 메트릭을 지정합니다. step_metric 파라미터는 x축으로 사용할 메트릭을 지정합니다. 사용자 지정 메트릭을 로깅할 때는 사전의 키-값 쌍으로 x축과 y축 값 모두를 지정해야 합니다.

다음 코드 스니펫을 복사해 붙여넣어 사용자 지정 x축 메트릭을 설정하세요. <> 안의 값을 자신의 값으로 바꾸세요:

import wandb

custom_step = "<custom_step>"  # 사용자 정의 x축 이름
metric_name = "<metric>"  # y축 메트릭 이름

with wandb.init() as run:
    # 스텝 메트릭(x축)과 이에 대해 로깅할 메트릭(y축)을 지정합니다
    run.define_metric(step_metric = custom_step, name = metric_name)

    for i in range(10):
        log_dict = {
            custom_step : int,  # x축 값
            metric_name : int,  # y축 값
        }
        run.log(log_dict)

예를 들어, 다음 코드 스니펫은 x_axis_squared라는 사용자 정의 x축을 생성합니다. 사용자 정의 x축의 값은 for 루프 인덱스 i의 제곱(i**2)입니다. y축은 Python의 내장 random 모듈을 사용해 검증 손실("validation_loss")에 대한 예시 값으로 구성됩니다.

import wandb
import random

with wandb.init() as run:
    run.define_metric(step_metric = "x_axis_squared", name = "validation_loss")

    for i in range(10):
        log_dict = {
            "x_axis_squared": i**2,
            "validation_loss": random.random(),
        }
        run.log(log_dict)

다음 이미지는 W&B App UI에 표시되는 결과 플롯입니다. validation_loss 메트릭은 커스텀 x축 x_axis_squared에 대해 플롯되며, 이는 for 루프 인덱스 i의 제곱입니다. x축 값은 0, 1, 4, 9, 16, 25, 36, 49, 64, 81이며, 각각 0, 1, 2, ..., 9의 제곱에 해당한다는 점에 유의하세요.

문자열 접두사와 함께 globs를 사용해서 여러 메트릭에 대해 커스텀 x축을 설정할 수 있습니다. 예를 들어, 다음 코드 스니펫은 train/* 접두사가 붙은 로깅된 메트릭을 x축 train/step에 대해 플롯합니다:

import wandb

with wandb.init() as run:

    # 다른 모든 train/ 메트릭이 이 스텝을 사용하도록 설정
    run.define_metric("train/*", step_metric="train/step")

    for i in range(10):
        log_dict = {
            "train/step": 2**i,  # W&B 내부 스텝에 따른 지수적 증가
            "train/loss": 1 / (i + 1),  # x축은 train/step
            "train/accuracy": 1 - (1 / (1 + i)),  # x축은 train/step
            "val/loss": 1 / (1 + i),  # x축은 wandb 내부 스텝
        }
        run.log(log_dict)