메인 콘텐츠로 건너뛰기
GitHub source

​
class Runs

프로젝트 및 선택적 필터와 연결된 Run 오브젝트의 지연 이터레이터(lazy iterator)입니다. Runs 는 필요에 따라 W&B 서버에서 페이지 단위로 가져옵니다. 일반적으로 Api.runs 네임스페이스를 통해 간접적으로 사용됩니다.

​
method Runs.__init__

__init__(
    client: 'RetryingClient',
    entity: 'str',
    project: 'str',
    filters: 'dict[str, Any] | None' = None,
    order: 'str' = '+created_at',
    per_page: 'int' = 50,
    include_sweeps: 'bool' = True,
    lazy: 'bool' = True,
    api: 'public.Api | None' = None
)
Args:
  • client: (wandb.apis.public.RetryingClient) 요청에 사용할 API 클라이언트입니다.
  • entity: (str) 프로젝트를 소유한 엔티티(사용자 이름 또는 팀)입니다.
  • project: (str) runs 를 가져올 프로젝트의 이름입니다.
  • filters: (Optional[Dict[str, Any]]) runs 쿼리에 적용할 필터 사전입니다.
  • order: (str) 정렬 기준은 created_at, heartbeat_at, config.*.value 또는 summary_metrics.*가 될 수 있습니다. 정렬 기준 앞에 +를 붙이면 오름차순(기본값), -를 붙이면 내림차순입니다. 기본 정렬은 run.created_at 기준 과거순부터 최신순입니다.
  • per_page: (int) 요청당 가져올 runs 의 개수입니다(기본값은 50).
  • include_sweeps: (bool) runs 에 sweep 정보를 포함할지 여부입니다. 기본값은 True입니다.

​
property Runs.length

​
method Runs.histories

histories(
    samples: 'int' = 500,
    keys: 'list[str] | None' = None,
    x_axis: 'str' = '_step',
    format: "Literal['default', 'pandas', 'polars']" = 'default',
    stream: "Literal['default', 'system']" = 'default'
) → list[dict[str, Any]] | pd.DataFrame | pl.DataFrame
필터 조건에 맞는 모든 runs 에 대해 샘플링된 history 메트릭을 반환합니다. Args:
  • samples: run 당 반환할 샘플의 수
  • keys: 특정 키에 대한 메트릭만 반환
  • x_axis: xAxis로 사용할 메트릭이며 기본값은 _step입니다.
  • format: 데이터를 반환할 형식으로 “default”, “pandas”, “polars” 중 선택 가능합니다.
  • stream: 메트릭의 경우 “default”, 머신 메트릭의 경우 “system”
Returns:
  • pandas.DataFrame: format="pandas"인 경우, history 메트릭의 pandas.DataFrame을 반환합니다.
  • polars.DataFrame: format="polars"인 경우, history 메트릭의 polars.DataFrame을 반환합니다.
  • list of dicts: format="default"인 경우, run_id 키를 포함한 history 메트릭의 사전 리스트를 반환합니다.

​
method Runs.upgrade_to_full

upgrade_to_full() → None
이 Runs 컬렉션을 lazy 모드에서 full 모드로 업그레이드합니다. 전체 run 데이터를 가져오도록 전환하고 이미 로드된 모든 Run 오브젝트가 전체 데이터를 갖도록 업그레이드합니다. 여러 runs 를 업그레이드할 때 성능 향상을 위해 병렬 로딩을 사용합니다.