메인 콘텐츠로 건너뛰기
W&B Weave를 찾고 계신가요? 생성형 AI 애플리케이션 개발을 위한 W&B의 도구 모음입니다. Weave 문서는 여기에서 확인할 수 있습니다: wandb.me/weave.
쿼리 패널을 사용해 데이터를 쿼리하고 대화형으로 시각화하세요.
쿼리 패널

​
쿼리 패널 만들기

워크스페이스 또는 Report 내에 쿼리를 추가합니다.
  1. 프로젝트의 워크스페이스로 이동합니다.
  2. 오른쪽 상단에서 Add panel을 클릭합니다.
  3. 드롭다운에서 Query panel을 선택합니다.

​
쿼리 컴포넌트

​
표현식

run, artifact, 모델, 테이블 등 W&B에 저장된 데이터를 쿼리하려면 쿼리 표현식을 사용하세요.

​
예시: 테이블 쿼리하기

W&B Table을 쿼리하는 경우를 가정해 보겠습니다. 트레이닝 코드에서 "cifar10_sample_table"이라는 테이블을 기록합니다: 
import wandb
with wandb.init() as run:
  run.log({"cifar10_sample_table":<MY_TABLE>})
쿼리 패널에서는 다음을 사용해 테이블을 쿼리할 수 있습니다: 
runs.summary["cifar10_sample_table"]
테이블 쿼리 표현식
이를 하나씩 살펴보면 다음과 같습니다.
  • runs는 쿼리 패널이 Workspace에 있을 때 Query Panel Expressions에 자동으로 주입되는 변수입니다. 이 변수의 “값”은 해당 Workspace에서 표시되는 run 목록입니다. run에서 사용할 수 있는 다양한 속성은 여기에서 확인하세요.
  • summary는 Run의 Summary 객체를 반환하는 op입니다. Ops는 매핑되므로, 이 op는 목록의 각 Run에 적용되어 결과적으로 Summary 객체의 목록을 반환합니다.
  • ["cifar10_sample_table"]는 Pick op(대괄호로 표시됨)이며, 파라미터는 predictions입니다. Summary 객체는 딕셔너리나 맵처럼 동작하므로, 이 오퍼레이션은 각 Summary 객체에서 predictions 필드를 선택합니다.
직접 쿼리를 대화형으로 작성하는 방법을 알아보려면 쿼리 패널 데모를 참조하세요.

​
설정

패널 왼쪽 상단의 톱니바퀴 아이콘을 선택해 쿼리 설정을 확장합니다. 그러면 패널 유형과 결과 패널의 파라미터를 설정할 수 있습니다.
패널 설정 메뉴

​
결과 패널

마지막으로, 쿼리 결과 패널은 선택한 쿼리 패널을 사용해 쿼리 표현식의 결과를 렌더링하고, 설정에 따라 데이터를 대화형 형식으로 표시합니다. 아래 이미지는 동일한 데이터를 테이블과 Plot으로 보여줍니다.
테이블 결과 패널
Plot 결과 패널

​
기본 오퍼레이션

다음은 쿼리 패널에서 수행할 수 있는 일반적인 오퍼레이션입니다.

​
정렬

열 옵션에서 정렬할 수 있습니다:
열 정렬 옵션

​
필터

쿼리에서 직접 필터링하거나 왼쪽 상단의 필터 버튼을 사용할 수 있습니다(두 번째 이미지).
쿼리 필터 구문
필터 버튼

​
Map

Map 오퍼레이션은 목록을 순회하면서 데이터의 각 요소에 함수를 적용합니다. 패널 쿼리로 직접 수행하거나 열 옵션에서 새 열을 삽입해 수행할 수 있습니다.
Map 오퍼레이션 쿼리
Map 열 삽입

​
Groupby

쿼리나 열 옵션에서 groupby를 사용할 수 있습니다.
쿼리로 그룹화
열 옵션에서 그룹화

​
Concat

concat 오퍼레이션을 사용하면 테이블 2개를 연결할 수 있고, 패널 설정에서 concat 또는 join을 수행할 수 있습니다.

​
조인

쿼리에서 테이블을 직접 조인할 수도 있습니다. 다음 쿼리 표현식을 살펴보겠습니다: 
project("luis_team_test", "weave_example_queries").runs.summary["short_table_0"].table.rows.concat.join(\
project("luis_team_test", "weave_example_queries").runs.summary["short_table_1"].table.rows.concat,\
(row) => row["Label"],(row) => row["Label"], "Table1", "Table2",\
"false", "false")
테이블 조인 오퍼레이션
왼쪽 테이블은 다음과 같이 생성됩니다: 
project("luis_team_test", "weave_example_queries").\
runs.summary["short_table_0"].table.rows.concat.join
오른쪽 테이블은 다음에서 생성됩니다: 
project("luis_team_test", "weave_example_queries").\
runs.summary["short_table_1"].table.rows.concat
다음과 같습니다:
  • (row) => row["Label"]는 각 테이블의 selector로, 어떤 column을 기준으로 조인할지 결정합니다
  • "Table1" 및 "Table2"는 조인 시 각 테이블의 name입니다
  • true 및 false는 왼쪽 및 오른쪽 내부/외부 조인 설정을 나타냅니다

​
Runs 객체

쿼리 패널을 사용해 runs 객체에 액세스할 수 있습니다. Run 객체는 Experiments의 기록을 저장합니다. 자세한 내용은 runs 객체에 액세스하기에서 확인할 수 있지만, 간단히 말해 runs 객체에는 다음이 포함됩니다:
  • summary: run 결과를 요약하는 정보를 담고 있는 딕셔너리입니다. accuracy나 loss 같은 스칼라 값일 수도 있고, 큰 파일일 수도 있습니다. 기본적으로 wandb.Run.log()는 로깅된 시계열의 마지막 값을 summary로 설정합니다. summary의 내용은 직접 설정할 수도 있습니다. summary를 run의 출력값이라고 생각하면 됩니다.
  • history: 모델이 트레이닝되는 동안 loss처럼 변하는 값을 저장하기 위한 딕셔너리 목록입니다. wandb.Run.log() 명령은 이 객체에 항목을 추가합니다.
  • config: 트레이닝 run의 하이퍼파라미터나 데이터셋 Artifact를 생성하는 run의 전처리 방법처럼 run의 설정 정보를 담은 딕셔너리입니다. 이를 run의 “입력값”이라고 생각하면 됩니다.
Runs 객체 구조

​
Artifacts 액세스

Artifacts는 W&B의 핵심 개념입니다. Artifacts는 버전이 지정된, 이름이 있는 파일 및 디렉터리 컬렉션입니다. Artifacts를 사용해 모델 가중치, 데이터셋, 그리고 기타 모든 파일이나 디렉터리를 추적할 수 있습니다. Artifacts는 W&B에 저장되며, 다운로드하거나 다른 run에서 사용할 수 있습니다. 자세한 내용과 예시는 Accessing artifacts에서 확인할 수 있습니다. Artifacts는 일반적으로 project 객체에서 액세스합니다.
  • project.artifactVersion(): 프로젝트 내에서 지정한 이름과 버전에 해당하는 특정 artifact 버전을 반환합니다
  • project.artifact(""): 프로젝트 내에서 지정한 이름의 artifact를 반환합니다. 그런 다음 .versions를 사용해 이 artifact의 모든 버전 목록을 조회할 수 있습니다
  • project.artifactType(): 프로젝트 내에서 지정한 이름의 artifactType을 반환합니다. 그런 다음 .artifacts를 사용해 이 유형의 모든 artifact 목록을 조회할 수 있습니다
  • project.artifactTypes: 프로젝트에 속한 모든 artifact 유형의 목록을 반환합니다
Artifact 액세스 방법