로그 축 사용자 정의

W&B에 메트릭을 기록할 때 사용자 정의 x-축을 설정할 수 있습니다. 기본적으로 W&B는 메트릭을 step 단위로 기록합니다. 각 step은 wandb.Run.log() API 호출 한 번에 해당합니다.

예를 들어, 다음 스크립트에는 10번 반복하는 for 루프가 있습니다. 각 반복에서 스크립트는 validation_loss라는 메트릭을 기록하고 step 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)

프로젝트 워크스페이스에서 validation_loss 지표는 step x축에 대해 플롯됩니다. x축은 wandb.Run.log()가 호출될 때마다 1씩 증가합니다. 앞선 코드에서 x축에는 step 번호 0, 1, 2, …, 9가 표시됩니다.

특정 상황에서는 로그 스케일 x축과 같이 다른 x축을 기준으로 지표를 기록하는 것이 더 적절할 수 있습니다. define_metric() 메서드를 사용하면, 기록하는 어떤 지표든 사용자 지정 x축으로 사용할 수 있습니다.

name 파라미터로 y축에 표시하려는 지표를 지정합니다. step_metric 파라미터는 x축으로 사용하려는 지표를 지정합니다. 사용자 지정 지표를 기록할 때는 딕셔너리에서 키-값 쌍으로 x축과 y축 값 모두를 지정합니다.

다음 코드 스니펫을 복사해 붙여 넣어 사용자 지정 x축 지표를 설정합니다. <> 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 이를 기준으로 기록할 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. 이 사용자 정의 x축의 값은 for 루프 인덱스 i (i**2)의 제곱입니다. y축은 Python 내장 random 모듈을 사용해 검증 손실("validation_loss")에 대한 모의 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 최종 플롯을 보여줍니다. validation_loss 메트릭은 사용자 정의 x축인 x_axis_squared를 기준으로 그려지며, 이 값은 for 루프 인덱스 i의 제곱입니다. x축 값은 0, 1, 4, 9, 16, 25, 36, 49, 64, 81이며, 각각 0, 1, 2, ..., 9의 제곱에 해당합니다.

문자열 접두사가 포함된 globs를 사용해 여러 메트릭에 대해 사용자 정의 x축을 설정할 수 있습니다. 예를 들어, 다음 코드 스니펫은 접두사 train/*를 가진 로깅된 메트릭을 x축 train/step에 맞춰 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,  # 내부 W&B 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 내부 wandb 스텝
        }
        run.log(log_dict)