> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-weave-otel-prioritization.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> W&B를 사용해 머신 러닝 Experiments를 추적하고 메트릭, 하이퍼파라미터, 시스템 메트릭, 모델 아티팩트를 로그합니다.
# Experiments Overview
export const TryProductLink = ({url}) =>
W&B에서 사용해 보기
;
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
몇 줄의 코드만으로 머신 러닝 Experiments를 추적할 수 있습니다. 그런 다음 [대화형 대시보드](/ko/models/track/workspaces/)에서 결과를 검토하거나, [Public API](/ko/models/ref/python/public-api/)를 사용해 프로그래밍 방식으로 액세스할 수 있도록 데이터를 Python으로 내보낼 수 있습니다.
[Keras](/ko/models/integrations/keras)와 같은 널리 사용되는 프레임워크를 사용한다면 W\&B 인테그레이션을 활용하세요. 전체 인테그레이션 목록과 코드에 W\&B를 추가하는 방법은 [W\&B 인테그레이션](/ko/models/integrations)을 참조하세요.
위 이미지는 여러 [runs](/ko/models/runs/)에 걸친 메트릭을 보고 비교할 수 있는 대시보드 예시를 보여줍니다.
## 작동 방식
몇 줄의 코드로 머신 러닝 실험을 추적할 수 있습니다:
1. [W\&B Run](/ko/models/runs/)을 생성합니다.
2. 학습률이나 모델 유형 같은 하이퍼파라미터 딕셔너리를 설정([`wandb.Run.config`](/ko/models/track/config/))에 저장합니다.
3. 정확도와 손실 같은 메트릭을 트레이닝 루프에서 시간의 흐름에 따라 로깅합니다([`wandb.Run.log()`](/ko/models/track/log/)).
4. 모델 가중치나 예측 테이블 같은 run 출력물을 저장합니다.
다음 코드는 일반적인 W\&B 실험 추적 워크플로를 보여줍니다. `my-team`은 W\&B 팀 엔터티로, `my-project-name`은 프로젝트 이름으로 바꾸세요.
```python theme={null}
import wandb
entity = "" # Set entity to your W&B team name
project = "my-project-name" # Set project to your W&B project name
# When this block exits, it waits for logged data to finish uploading.
# If an exception is raised, the run is marked failed.
with wandb.init(entity=entity, project="my-project-name") as run:
# 모델 입력과 하이퍼파라미터를 저장합니다.
run.config.learning_rate = 0.01
# Run your experiment code.
for epoch in range(num_epochs):
# Do some training...
# Log metrics over time to visualize model performance.
run.log({"loss": loss})
# Upload model outputs as artifacts.
run.log_artifact(model)
```
## 시작하기
사용 사례에 따라 W\&B Experiments를 시작할 때 다음 리소스를 참고하세요:
* W\&B를 설정하고 첫 번째 실험을 추적하는 방법을 알아보려면 [W\&B 퀵스타트](/ko/models/quickstart/)를 읽어보세요.
* 머신 러닝 워크플로에서 W\&B를 사용해 모델 아티팩트를 추적, 공유, 관리하는 방법을 알아보려면 [Get Started with W\&B Models](/ko/models/models_quickstart/)를 사용해 보세요.
* 이 장에서 다음 방법을 알아보세요:
* [실험 생성](/ko/models/track/create-an-experiment)
* [Experiments 설정](/ko/models/track/config/)
* [Experiments의 데이터 로깅](/ko/models/track/log/)
* [Experiments 결과 보기](/ko/models/track/workspaces)
* [W\&B API 레퍼런스 가이드](/ko/models/ref/python/)의 [W\&B Python Library](/ko/models/ref/python/)를 살펴보세요.
위 이미지는 여러 [runs](/ko/models/runs/)에 걸친 메트릭을 보고 비교할 수 있는 대시보드 예시를 보여줍니다.