전역 함수 Overview - Weights & Biases Documentation

W&B의 전역 함수는 wandb.init() 또는 wandb.login()처럼 직접 호출하는 최상위 함수입니다. 특정 클래스에 속한 메서드와 달리, 이러한 함수는 객체를 먼저 인스턴스화하지 않아도 W&B의 핵심 기능에 직접 접근할 수 있게 해줍니다.

사용 가능한 함수

함수	설명
`init()`	W&B에 추적 및 로깅할 새 run을 시작합니다. 일반적으로 ML 트레이닝 파이프라인에서 가장 먼저 호출하는 함수입니다.
`login()`	플랫폼에서 머신을 인증할 수 있도록 W&B 로그인 자격 증명을 설정합니다.
`setup()`	현재 프로세스와 그 하위 프로세스에서 사용할 수 있도록 W&B를 준비합니다. 다중 프로세스 애플리케이션에 유용합니다.
`teardown()`	W&B 리소스를 정리하고 백엔드 프로세스를 종료합니다.
`sweep()`	최적의 모델 설정을 검색하기 위한 하이퍼파라미터 sweep을 초기화합니다.
`agent()`	하이퍼파라미터 최적화 실험을 실행할 sweep agent를 생성합니다.
`controller()`	sweep agent와 해당 실행을 관리하고 제어합니다.
`restore()`	이전 run 또는 실험 상태를 복원해 작업을 재개합니다.
`finish()`	run을 종료하고 리소스를 정리합니다.

예시

가장 일반적인 워크플로는 W&B에 인증하고 run을 초기화한 다음, 트레이닝 루프에서 값(예: 정확도와 손실)을 로깅하는 것부터 시작합니다. 먼저 wandb를 임포트하고 전역 함수 login()과 init()을 사용합니다:

import wandb

# W&B에 인증
wandb.login()

# 하이퍼파라미터 및 메타데이터
config = {
   "learning_rate": 0.01,
   "epochs": 10,
}

# run이 기록될 프로젝트
project = "my-awesome-project"

# 새 run 초기화
with wandb.init(project=project, config=config) as run:
   # 트레이닝 코드를 여기에 작성하세요...
   
   # W&B에 값 로깅
   run.log({"accuracy": 0.9, "loss": 0.1})

​사용 가능한 함수

​예시

사용 가능한 함수

예시