테이블 예시

W&B Tables 예시

다음 섹션에서는 테이블을 사용하는 몇 가지 방법을 살펴봅니다.

​

데이터 보기

모델 학습 또는 평가 중에 메트릭과 리치 미디어를 로그한 다음, 클라우드와 동기화되는 영구 저장용 데이터베이스나 호스팅 인스턴스에 결과를 시각화할 수 있습니다.

예를 들어, 사진 데이터셋의 균형 잡힌 분할을 보여주는 이 테이블을 살펴보세요.

​

데이터를 대화형으로 탐색하기

테이블을 조회, 정렬, 필터링, 그룹화, 조인, 쿼리하여 정적 파일을 일일이 살펴보거나 분석 스크립트를 다시 실행하지 않고도 데이터와 모델 성능을 파악할 수 있습니다.

예를 들어, 스타일 전이된 오디오에 대한 이 리포트를 확인해 보세요.

​

모델 버전 비교하기

서로 다른 학습 에포크, 데이터셋, 하이퍼파라미터 설정, 모델 아키텍처 등에서의 결과를 빠르게 비교할 수 있습니다.

예를 들어, 동일한 테스트 이미지에서 두 모델을 비교한 이 테이블을 확인해 보세요.

​

모든 세부 사항을 추적하면서 전체 그림까지 파악하기

특정 스텝에서의 개별 예측을 확대해 시각화하세요. 축소해서 집계 통계를 확인하고, 오류 패턴을 파악하며, 개선 기회를 찾아보세요. 이 도구는 하나의 모델 학습 과정에서 스텝들을 비교할 때는 물론, 서로 다른 모델 버전 간의 결과를 비교할 때도 사용할 수 있습니다.

예를 들어, MNIST 데이터셋에서 한 번의 epoch 이후와 다섯 번의 epoch 이후 결과를 분석하는 예시 테이블을 확인해 보세요.

​

W&B Tables를 사용하는 예시 Project

다음은 W&B Tables를 사용하는 실제 W&B Project 사례 몇 가지입니다.

​

이미지 분류

Visualize Data for Image Classification을 읽고, data visualization nature Colab을 따라 실행하거나, 아티팩트 컨텍스트를 탐색하면서, CNN이 iNaturalist 사진에서 열 가지 종류의 생물(식물, 새, 곤충 등)을 어떻게 식별하는지 확인하세요.

​

오디오

Whale2Song - W&B Tables for Audio에서 오디오 테이블을 직접 다뤄 보면서 음색 변환(timbre transfer)을 확인해 보세요. 녹음된 고래의 노래를 바이올린이나 트럼펫 같은 악기로 동일한 멜로디를 합성한 버전과 비교할 수 있습니다. audio transfer Colab을 사용해 직접 노래를 녹음하고, W&B에서 그 합성 버전을 살펴볼 수도 있습니다.

​

텍스트

학습 데이터나 생성된 출력에서 텍스트 샘플을 탐색하고, 관련 필드별로 동적으로 그룹화한 다음, 모델 버전이나 실험 설정 전반에 걸쳐 평가를 일관되게 맞출 수 있습니다. 텍스트를 Markdown으로 렌더링하거나 시각적 diff 모드를 사용해 텍스트를 비교하세요. 문자 기반 RNN 예제는 Shakespeare text generation report를 참고하세요.

​

비디오

훈련 중에 로깅된 비디오를 탐색하고 모아 보면서 모델을 이해하세요. 다음은 RL 에이전트가 부수 효과를 최소화하도록 하는 SafeLife 벤치마크를 사용한 예시입니다.

​

표 형식 데이터

버전 관리와 중복 제거를 활용해 표 형식 데이터를 분할하고 전처리하는 방법에 대해 설명한 보고서를 확인하세요.

​

모델 변형 비교 (시맨틱 세그멘테이션)

시맨틱 세그멘테이션을 위해 W&B Tables에 로그하고 서로 다른 모델을 비교하는 대화형 노트북과 라이브 예제가 있습니다. 이 Table에서 직접 쿼리를 실행해 보세요.

​

학습 시간에 따른 성능 향상 분석

시간에 따른 예측 결과를 시각화하는 방법을 다루는 상세한 보고서와 이에 대응하는 대화형 노트북입니다.