로그 축 커스텀하기

메트릭을 W&B에 로그할 때 커스텀 x-축을 설정할 수 있습니다. 기본적으로 W&B는 메트릭을 steps로 기록합니다. 각 step은 wandb.Run.log() API 호출에 해당합니다.

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

프로젝트의 Workspace 에서 validation_loss 메트릭은 wandb.Run.log()가 호출될 때마다 1씩 증가하는 step x-축을 기준으로 플롯됩니다. 위 코드의 경우, x-축은 step 번호 0, 1, 2, …, 9를 보여줍니다.

특정 상황에서는 로그 스케일 x-축과 같이 다른 x-축을 기준으로 메트릭을 로그하는 것이 더 합리적일 수 있습니다. define_metric() 메소드를 사용하여 로그하는 모든 메트릭을 커스텀 x-축으로 사용할 수 있습니다.

y-축으로 표시할 메트릭은 name 파라미터로 지정합니다. step_metric 파라미터는 x-축으로 사용할 메트릭을 지정합니다. 커스텀 메트릭을 로그할 때는 사전(dictionary) 형태의 키-값 쌍으로 x-축과 y-축 모두에 대한 값을 지정하세요.

커스텀 x-축 메트릭을 설정하려면 다음 코드조각을 복사하여 붙여넣으세요. <> 안의 값들을 본인의 값으로 바꿉니다.

import wandb

custom_step = "<custom_step>"  # 커스텀 x-축의 이름
metric_name = "<metric>"  # y-축 메트릭의 이름

with wandb.init() as run:
    # step 메트릭(x-축)과 이에 대해 로그할 메트릭(y-축)을 지정합니다
    run.define_metric(step_metric = custom_step, name = metric_name)

    for i in range(10):
        log_dict = {
            custom_step : int,  # x-축의 값
            metric_name : int,  # y-축의 값
        }
        run.log(log_dict)

예를 들어, 다음 코드조각은 x_axis_squared라는 커스텀 x-축을 생성합니다. 커스텀 x-축의 값은 for 루프 인덱스 i의 제곱(i**2)입니다. y-축은 Python의 내장 random 모듈을 사용한 validation loss("validation_loss")의 가상 값들로 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 앱 UI에 생성된 플롯을 보여줍니다. validation_loss 메트릭은 for 루프 인덱스 i의 제곱인 커스텀 x-축 x_axis_squared를 기준으로 플롯됩니다. x-축 값은 각각 0, 1, 2, ..., 9의 제곱에 해당하는 0, 1, 4, 9, 16, 25, 36, 49, 64, 81임을 확인할 수 있습니다.

문자열 접두사(prefix)와 함께 globs를 사용하여 여러 메트릭에 대해 커스텀 x-축을 설정할 수 있습니다. 예를 들어, 다음 코드조각은 train/* 접두사가 붙은 로그된 메트릭들을 x-축 train/step에 플롯합니다.

import wandb

with wandb.init() as run:

    # 다른 모든 train/ 메트릭이 이 step을 사용하도록 설정합니다
    run.define_metric("train/*", step_metric="train/step")

    for i in range(10):
        log_dict = {
            "train/step": 2**i,  # 내부 W&B step에 따라 지수적으로 증가
            "train/loss": 1 / (i + 1),  # x-축은 train/step
            "train/accuracy": 1 - (1 / (1 + i)),  # x-축은 train/step
            "val/loss": 1 / (1 + i),  # x-축은 내부 W&B step
        }
        run.log(log_dict)