튜토리얼: 테이블 로그, 데이터 시각화 및 쿼리

5 분 내로 완료할 수 있는 퀵스타트를 통해 W&B Tables 사용법을 알아보세요.

다음 퀵스타트(Quickstart)는 데이터 테이블을 로그하고, 데이터를 시각화하며, 쿼리하는 방법을 보여줍니다.

아래 버튼을 선택하여 MNIST 데이터를 활용한 PyTorch 퀵스타트 예제 프로젝트를 확인해 보세요.

​

1. Table 로그하기

W&B를 사용하여 테이블을 로그합니다. 새로운 테이블을 직접 구성하거나 Pandas DataFrame을 전달할 수 있습니다.

테이블 구성하기

새로운 Table을 구성하고 로그하려면 다음을 사용합니다:

• wandb.init(): 결과를 추적하기 위한 run을 생성합니다.
• wandb.Table(): 새로운 테이블 오브젝트를 생성합니다.
  • columns: 컬럼 이름을 설정합니다.
  • data: 각 행의 콘텐츠를 설정합니다.
• wandb.Run.log(): 테이블을 W&B에 저장하기 위해 로그합니다.

예시 코드는 다음과 같습니다:

import wandb

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

Pandas Dataframe

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

import wandb
import pandas as pd

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

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

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

​

2. 프로젝트 Workspace에서 테이블 시각화하기

워크스페이스(Workspace)에서 결과 테이블을 확인합니다.

1. W&B 앱에서 해당 프로젝트로 이동합니다.
2. 프로젝트 워크스페이스에서 해당 run의 이름을 선택합니다. 고유한 테이블 키(key)마다 새로운 패널이 추가됩니다.

이 예시에서 my_table은 "Table Name"이라는 키로 로그되었습니다.

​

3. 모델 버전 간 비교하기

여러 W&B Runs에서 샘플 테이블을 로그하고 프로젝트 워크스페이스에서 결과를 비교합니다. 이 예시 워크스페이스에서는 서로 다른 여러 버전의 행을 동일한 테이블에 결합하는 방법을 보여줍니다.

테이블의 필터, 정렬 및 그룹화 기능을 사용하여 모델 결과를 탐색하고 평가하세요.