예제 테이블

이미지 분류, 오디오, 텍스트 분석 및 기타 사용 사례를 위한 예제 W&B 테이블 프로젝트를 살펴보세요.

다음 섹션에서는 테이블를 활용하는 몇 가지 방법을 소개합니다:

​

데이터 보기

모델 트레이닝이나 평가 중에 메트릭과 리치 미디어를 로그하고, 클라우드 또는 사용 중인 호스팅 인스턴스와 동기화되는 영구 데이터베이스에서 결과를 시각화하세요.

예를 들어, 사진 데이터셋의 균형 잡힌 분할을 보여주는 다음 테이블을 확인해 보세요.

​

데이터를 대화형으로 탐색하세요

테이블을 보고, 정렬하고, 필터링하고, 그룹화하고, 조인하고, 쿼리해 데이터와 모델 성능을 파악하세요. 정적 파일을 일일이 찾아보거나 분석 스크립트를 다시 실행할 필요가 없습니다.

예를 들어, 스타일 전이 오디오에 관한 이 리포트를 확인해 보세요.

​

모델 버전 비교

서로 다른 트레이닝 에포크, 데이터셋, 하이퍼파라미터 설정, 모델 아키텍처 등의 결과를 빠르게 비교하세요.

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

​

모든 세부 정보를 추적하고 큰 그림을 확인하세요

특정 step의 특정 예측을 시각화하려면 확대하세요. 축소하면 집계 통계를 확인하고, 오류 패턴을 파악하며, 개선 기회를 이해할 수 있습니다. 이 도구는 단일 모델 트레이닝의 step을 비교하거나, 서로 다른 모델 버전의 결과를 비교할 때 사용할 수 있습니다.

예를 들어, MNIST 데이터셋에서 1에포크 후와 5에포크 후의 결과를 분석한 이 예제 테이블을 참조하세요.

​

W&B 테이블를 사용하는 예시 프로젝트

다음은 W&B 테이블를 사용하는 실제 W&B 프로젝트 몇 가지입니다.

​

이미지 분류

이미지 분류를 위한 데이터 시각화를 읽고, data visualization nature Colab을 따라 하거나, artifacts context를 살펴보며 CNN이 iNaturalist 사진에서 10가지 생물 유형(식물, 새, 곤충 등)을 식별하는 방식을 확인해 보세요.

​

오디오

음색 전이를 다루는 Whale2Song - 오디오용 W&B Tables에서 오디오 테이블을 살펴보세요. 녹음된 고래 노래와, 같은 멜로디를 바이올린이나 트럼펫 같은 악기로 합성한 버전을 비교할 수 있습니다. audio transfer Colab을 사용하면 직접 노래를 녹음하고 W&B에서 그 합성 버전도 탐색할 수 있습니다.

​

텍스트

트레이닝 데이터나 생성된 출력에서 텍스트 샘플을 살펴보고, 관련 필드별로 동적으로 그룹화하며, 모델 변형이나 실험 설정 전반에 걸쳐 평가를 맞춰 비교하세요. 텍스트를 Markdown으로 렌더링하거나 시각적 diff 모드를 사용해 텍스트를 비교할 수 있습니다. 문자 기반 RNN의 예시는 Shakespeare 텍스트 생성 리포트를 참조하세요.

​

비디오

트레이닝 중에 로깅된 비디오를 탐색하고 모아 보면서 모델을 더 잘 이해할 수 있습니다. 다음은 SafeLife benchmark를 사용해 부작용을 최소화하려는 에이전트를 보여 주는 초기 예시입니다.

​

표 형식 데이터

버전 관리와 중복 제거를 활용해 표 형식 데이터를 분할하고 전처리하는 방법을 다룬 리포트를 확인하세요.

​

모델 변형 비교(시맨틱 세그멘테이션)

시맨틱 세그멘테이션에서 테이블를 로깅하고 여러 모델을 비교하는 대화형 노트북과 실시간 예시입니다. 이 테이블에서 직접 쿼리해 보세요.

​

트레이닝 시간 경과에 따른 개선 분석

시간 경과에 따른 예측 시각화 방법과 관련 대화형 노트북을 자세히 설명한 리포트입니다.