선형 플롯 레퍼런스

x축, y축, 평활화, 집계, 그룹화 옵션을 포함한 선형 플롯 패널 설정 레퍼런스

이 페이지에서는 선형 플롯 설정에 관한 자세한 내용을 확인할 수 있습니다. 선형 플롯 사용에 대한 자세한 내용은 선형 플롯 Overview를 참조하세요.

​

데이터 설정

​

X축

wandb.Run.log()로 로깅한 임의의 정수 또는 부동소수점 값을 x축 범위로 설정할 수 있습니다.

사용 가능한 시간 기반 x축 옵션:

• Step: wandb.Run.log()가 호출될 때마다 증가합니다. 모델에서 로깅한 트레이닝 step 수를 반영합니다. (기본값)
• Relative Time (Wall): 프로세스가 시작된 이후의 실제 경과 시간입니다. run을 시작하고 하루 동안 일시 중지한 다음 재개하여 로깅하면, 해당 지점은 24시간에 표시됩니다.
• Relative Time (Process): 실행 중인 프로세스 내부의 시간입니다. run을 시작하고 10초 동안 실행한 뒤 하루 동안 일시 중지한 다음 재개하면, 해당 지점은 10초에 표시됩니다.
• Wall Time: 그래프에서 첫 번째 run이 시작된 이후 경과한 시간(분)입니다.
• X range: 기본적으로 x축의 최솟값부터 최댓값까지 표시됩니다. 최소값과 최대값은 사용자 지정할 수 있습니다.

​

Y축

wandb.Run.log()로 로깅한 임의의 정수 또는 부동소수점 값을 y축 변수로 설정할 수 있습니다. 단일 값, 값 배열 또는 값의 히스토그램을 지정할 수 있습니다. 변수에 대해 1500개가 넘는 포인트를 로깅한 경우, W&B는 1500개 포인트로 다운샘플링합니다.

Runs table에서 run 색상을 변경해 y축 선 색상을 사용자 지정할 수 있습니다.

사용 가능한 y축 옵션:

• Y range: 기본값은 메트릭의 가장 작은 양수 값(0 포함)부터 가장 큰 값까지입니다. 최소값과 최대값은 사용자 지정할 수 있습니다.

​

포인트 집계 방법

데이터 포인트를 표시하는 샘플링 모드를 선택하세요:

• 랜덤 샘플링 (기본값): 랜덤 샘플링을 참조하세요.
• Full fidelity: Full fidelity를 참조하세요.

​

스무딩

스무딩 계수를 0과 1 사이로 설정합니다. 0은 스무딩을 적용하지 않음을, 1은 최대 스무딩을 의미합니다.

사용 가능한 스무딩 방법:

• 시간 가중 EMA (기본값): 이전 포인트의 가중치를 지수적으로 감소시켜 시계열 데이터를 스무딩하는 기법입니다.
• 이동 평균: 지정된 x 값의 앞뒤 윈도우에 있는 포인트들의 평균값으로 해당 포인트를 대체합니다.
• 가우시안: 포인트의 가중 평균을 계산하며, 가중치는 스무딩 매개변수로 지정한 표준편차를 갖는 가우시안 분포를 따릅니다.
• 스무딩 없음

자세한 내용은 선형 플롯 스무딩을 참조하세요.

​

이상치 무시

기본 플롯의 최소/최대 스케일 계산에서 이상치를 제외하도록 플롯 크기를 다시 조정합니다. 이 설정의 효과는 플롯의 샘플링 모드에 따라 달라집니다.

• 랜덤 샘플링 모드: 이상치를 무시하면 플롯에서 하위 5%와 상위 95%에 해당하는 지점이 제외됩니다.
• full fidelity 모드: 이상치를 무시하면 모든 지점이 표시되지만, 각 bucket의 마지막 값으로 집약되어 표시되며 하위 5%와 상위 95% 영역은 음영 처리됩니다.

​

최대 run 또는 그룹 수

기본적으로 플롯에는 run 목록 또는 run 세트에서 처음 10개의 run 또는 run 그룹만 포함됩니다. 어떤 run 또는 그룹을 표시할지 제어하려면 정렬 순서를 변경하세요.

Workspace는 설정과 관계없이 최대 1000개의 run까지만 표시할 수 있습니다.

​

차트 유형

플롯 스타일을 선택하세요:

• 선형 플롯
  
• 영역 플롯
  
• 백분율 영역 플롯:
  

Data 탭에서 차트 유형을 설정하세요. 를 참고하세요.

​

그룹화 설정

그룹화를 켜면 모든 run을 집계할 수 있고, 개별 변수를 기준으로 그룹화할 수도 있습니다. Runs table에서 그룹화를 켜면 그룹이 그래프에 자동으로 반영됩니다.

• run 그룹화: 플롯에서 run 그룹화를 켭니다. 아래 플롯에서 음영 범위를 설정하려면 이 옵션이 필요합니다.
• 그룹화 기준: 필요에 따라 열을 선택합니다. 해당 열에서 같은 값을 가진 모든 run이 함께 그룹화됩니다.
• 집계: 그래프 선의 값을 지정합니다. 옵션은 그룹의 평균, 중앙값, 최솟값, 최댓값입니다.
• 범위: full fidelity 선형 플롯의 음영 영역을 설정합니다. 옵션은 Min/Max, Std Dev, Std Err 또는 None입니다.

​

차트 설정

제목과 범례 표시 여부를 설정합니다:

• 패널 제목: 패널 상단에 표시되는 제목입니다.
• X축 제목: X축 레이블입니다.
• Y축 제목: Y축 레이블입니다.
• 범례: 범례를 표시하거나 숨기고 위치를 설정합니다.

​

범례 설정

범례를 사용자 지정해 생성 시간이나 run을 만든 사용자와 같은 run 메타데이터와 로깅된 설정 값을 표시할 수 있습니다.

​

범례 템플릿

범례 이름에 사용할 템플릿을 정의합니다.

1. 톱니바퀴 아이콘을 클릭해 플롯 설정을 엽니다.
2. Display preferences 탭으로 이동합니다.
3. Advanced legend를 펼친 다음 범례 템플릿을 지정합니다.
4. Apply를 클릭합니다.

​

포인트별 값

차트 위에 마우스를 올렸을 때 십자선에 포인트별 값이 표시되도록 하려면 [[ ]] 안에 값을 설정합니다.

1. 톱니바퀴 아이콘을 클릭해 플롯 설정을 엽니다.
2. Display preferences 탭으로 이동합니다.
3. 탭 하단에서 플롯의 메트릭 하나 이상에 대해 포인트별 값을 설정합니다.
4. Apply를 클릭합니다.

[[ ]] 안에서 지원되는 값:

값	의미
${x}	X 값
${y}	Y 값(스무딩 조정 포함)
${original}	스무딩 조정이 적용되지 않은 Y 값
${mean}	그룹화된 run의 평균
${stddev}	그룹화된 run의 표준편차
${min}	그룹화된 run의 최솟값
${max}	그룹화된 run의 최댓값
${percent}	전체 대비 백분율(누적 영역 차트의 경우)

​

표현식

수학 표현식을 사용해 로깅한 메트릭, 설정 값, 요약 통계를 바탕으로 선형 플롯을 만들거나 변환할 수 있습니다. 예를 들어 두 메트릭의 차이를 계산하거나, 설정 값으로 메트릭의 스케일을 조정하거나, 메트릭의 로그값을 플롯할 수 있습니다. 표현식은 각 step을 로깅할 때마다 평가됩니다.

다음 섹션에서는 표현식에서 값을 레퍼런스하는 방법과 맞춤형 표현식에 사용할 수 있는 연산자 및 함수를 설명합니다. 선형 플롯에서는 x축, y축 또는 둘 다에 표현식을 사용할 수 있습니다.

일반적인 사용 사례와 예시 표현식은 아래의 예시 표현식 section을 참조하세요.

​

표현식을 사용해 새 선형 플롯 만들기

1. 프로젝트의 Workspace로 이동합니다.
2. + Add panel 버튼을 클릭하고 Line plot을 선택합니다.
3. Data 탭을 클릭합니다. x축과 y축에 사용할 선형 플롯 데이터를 선택합니다.
4. Expressions 탭을 클릭합니다.
5. Y-axis 필드 또는 X-axis 필드에 표현식을 입력합니다.
6. Apply를 클릭하여 설정을 저장하고 선형 플롯을 확인합니다.

​

표현식을 사용해 기존 선형 플롯 변환하기

1. 변환할 선형 플롯을 여세요.
2. 패널을 편집하려면 플롯 오른쪽 상단의 톱니바퀴 아이콘을 클릭하세요.
3. Expressions 탭을 클릭하세요.
4. Y-axis 필드 또는 X-axis 필드에 표현식을 입력하세요.
5. Apply를 클릭하여 설정을 저장하고 업데이트된 선형 플롯을 확인하세요.

​

값 참조

다음 표는 선형 플롯 표현식에서 로깅된 메트릭, 설정 파라미터, 요약 통계를 참조하는 방법을 설명합니다.

유형	구문	설명	예시
메트릭	${metric_name}	이름으로 로깅된 메트릭을 참조합니다.	${val/accuracy}, ${"accuracy"}
설정 파라미터	${config:param_name}	${config:} 접두사를 사용하여 설정 값을 참조합니다.	${config:lr}, ${config:batch_size}
요약 통계	${summary:stat_name}	summary: 접두사를 사용하여 요약 필드를 참조합니다.	${summary:final_accuracy}, ${summary:best_loss}

/, -, 공백 등 특수 문자가 포함된 메트릭 이름, 설정 파라미터 또는 요약 필드는 ${...}를 사용해 이스케이프하세요.

예를 들어 val/accuracy라는 이름의 메트릭을 로깅한 경우, 나눗셈 연산자와의 혼동을 피하려면 ${val/accuracy}로 참조하세요. dropout-rate라는 이름의 설정 파라미터를 로깅한 경우에는 ${config:dropout-rate}로 참조하세요. best loss라는 이름의 요약 필드를 로깅한 경우에는 ${summary:best loss}로 참조하세요.

​

중첩된 설정

점 표기법과 다음 구문을 사용해 중첩된 설정 값에 접근하세요:

${config:parent.child.grandchild}

여기서 parent, child, grandchild는 중첩된 설정 딕셔너리의 키입니다.

예를 들어, 중첩 딕셔너리가 포함된 다음 설정을 로그한다고 가정해 보겠습니다:

config = {
    "model": {
        "type": "resnet",
        "layers": 50
    },
    "training": {
        "batch_size": 32,
        "learning_rate": 0.001
    }
}

with wandb.init(project="my-project", config=config) as run:
    ...

${config:model.type}로 모델 유형을 참조할 수 있습니다. ${config:training.batch_size}로 배치 크기를 참조할 수 있습니다.

다른 예로, 중첩된 딕셔너리가 있는 다음 config를 살펴보겠습니다:

Config parameters

config:
  optimizer:
    value:
      lr: 0.001
      weight_decay: 0.01
  model:
    value:
      hidden_size: 768

학습률은 ${config:optimizer.value.lr}로, 모델의 은닉 크기는 ${config:model.value.hidden_size}로, 가중치 감쇠는 ${config:optimizer.value.weight_decay}로 참조하세요.

​

사용 가능한 연산자

W&B는 선형 플롯 표현식에서 다음 연산자를 지원합니다:

범주	연산자
산술	+, -, *, /, % (모듈로), ** (거듭제곱)
비교	==, !=, ===, !==, <, >, <=, >=
비트 연산	|, ^, &, <<, >>, >>>
논리	||, &&

​

수학 상수 및 함수

모든 JavaScript 수학 함수와 상수를 지원합니다. 자세한 내용은 MDN Math 문서를 참조하세요. 다음 표에서는 선형 플롯 표현식에서 가장 자주 사용되는 함수와 상수를 요약합니다.

​

수학 상수

상수	설명
e	오일러 수
pi	원주율
ln2	2의 자연로그
ln10	10의 자연로그
log2e	e의 밑 2 로그
log10e	e의 밑 10 로그
sqrt2	2의 제곱근
sqrt1_2	1/2의 제곱근

​

산술 및 통계 함수

다음 표는 사용 가능한 산술 및 통계 함수를 설명합니다.

함수	설명
abs(x)	절댓값
ceil(x)	올림 함수(가장 가까운 정수로 올림)
floor(x)	내림 함수(가장 가까운 정수로 내림)
round(x)	가장 가까운 정수로 반올림
min(x, y, …)	최솟값
max(x, y, …)	최댓값
sqrt(x)	제곱근

​

로그 함수와 지수 함수

다음 표에서는 사용 가능한 로그 함수와 지수 함수를 설명합니다.

함수	설명
log(x)	자연로그(밑 e)
log10(x)	밑이 10인 로그
log2(x)	밑이 2인 로그
exp(x)	지수 함수(e^x)
pow(x, y)	거듭제곱 함수(x^y)

​

삼각 함수

다음 표에서는 사용 가능한 삼각 함수를 설명합니다.

함수	설명
sin(x)	사인
cos(x)	코사인
tan(x)	탄젠트
asin(x)	아크사인(역사인)
acos(x)	아크코사인(역코사인)
atan(x)	아크탄젠트(역탄젠트)
atan2(y, x)	2인수 아크탄젠트

​

쌍곡선 함수

다음 표는 사용 가능한 쌍곡선 함수를 설명합니다:

함수	설명
sinh(x)	쌍곡선 사인
cosh(x)	쌍곡선 코사인
tanh(x)	쌍곡선 탄젠트

​

예시 표현식

다음은 선형 플롯 축에 사용할 수 있는 예시 표현식입니다. 이 예시들은 이해를 돕기 위한 것입니다. 필요에 맞는 복잡한 표현식을 만들려면 앞선 섹션에서 설명한 연산자와 함수를 원하는 방식으로 조합해 사용할 수 있습니다.

다음 예시에서는 요약 메트릭에 accuracy와 loss가 포함되어 있으며, 각각의 값은 다음과 같다고 가정합니다:

Summary metrics

{
  "accuracy": 0.7829240801794489,
  "loss": 0.2194763318905079
}

그리고 설정이 다음과 같다고 가정해 보겠습니다.

Config parameters

config = {
    "epochs": 100,
    "optimizer": {
        "value": {
            "lr": 0.001,
            "weight_decay": 0.01
        }
    }
}

상수 값을 더해 정확도 지표를 세로로 이동합니다. 다음 예에서는 정확도 지표를 1만큼 위로 이동합니다:

1 - accuracy

메트릭을 일정한 값만큼 수직으로 이동합니다. 이 경우에는 학습률(lr)을 사용합니다:

accuracy+${config:optimizer.value.lr}

메트릭의 사인을 계산합니다. 다음 예에서는 loss 메트릭의 사인을 계산합니다:

sin(loss)

사인 함수를 적용해 메트릭을 위상 이동합니다. 예를 들어, 사인 함수를 적용해 loss 메트릭을 2만큼 위상 이동합니다:

sin(loss - 2)

batch_size라는 설정 파라미터를 사용해 정확도 메트릭의 스케일을 조정합니다:

${accuracy} / ${config:batch_size}

두 메트릭 중 최솟값을 계산합니다. 다음 예에서는 loss와 정확도 중 최솟값을 계산합니다:

min(loss, accuracy)

두 메트릭의 제곱합의 제곱근을 계산합니다. 다음 예에서는 loss와 정확도의 제곱합의 제곱근을 계산합니다:

sqrt(loss ** 2 + accuracy ** 2)

loss의 지수 함수를 계산합니다. 다음 예에서는 loss metric의 지수 함수를 계산합니다:

sqrt(loss*100)+sqrt(loss*100000)

표현식에서 ${summary:metric_name} 구문을 사용해 summary 메트릭 값도 참고할 수 있습니다. 예를 들면 다음과 같습니다.

sqrt(${summary:loss}*100)+sqrt(${summary:loss}*100000)

​

다중 메트릭 패널 표현식

정규식을 사용하면 여러 메트릭을 함께 표시하는 단일 선형 플롯을 만들 수 있습니다(나중에 로깅되는 일치 메트릭도 포함). 자세한 지침은 선형 플롯 추가하기를 참조하세요.

예를 들면 다음과 같습니다.

• 각 레이어의 메트릭마다 별도의 패널을 만드는 대신, 하나의 패널에서 함께 볼 수 있습니다. 예를 들어 layer_0_loss, layer_1_loss, layer_2_loss처럼 일관된 이름으로 메트릭을 로깅하는 경우, layer_\d+_loss와 같은 정규식을 사용해 모든 레이어의 loss를 하나의 플롯에 표시할 수 있습니다.
• 공통된 명명 패턴을 공유하는 모든 메트릭과 일치시킬 수 있습니다. 예를 들면 다음과 같습니다.
  • train_.*는 train_loss, train_accuracy, train_f1_score와 같은 모든 트레이닝 메트릭과 일치합니다
  • .*_accuracy는 train_accuracy, val_accuracy, test_accuracy처럼 서로 다른 데이터셋의 accuracy 메트릭과 일치합니다
• alternation을 사용해 원하는 메트릭만 일치시킬 수 있습니다. 예를 들어 비캡처 그룹 (?:layer_0|layer_10)_loss는 중간 레이어를 제외하고 첫 번째와 열 번째 레이어의 loss에만 일치합니다.

​

캡처 그룹

정규 표현식의 캡처 그룹은 여러 메트릭 패널이 생성되는 방식을 제어합니다. 이를 예상하지 못했다면 이런 동작이 혼란스러울 수 있습니다.

• 캡처 그룹은 여러 패널을 생성합니다 정규 표현식에 캡처 그룹을 형성하는 괄호가 포함되면, UI는 해당 그룹에서 캡처한 각 고유 값마다 별도의 패널을 생성합니다.

  예를 들어, 표현식 (layer_0|layer_10)_loss에는 캡처 그룹이 포함되어 있어 두 개의 별도 패널이 생성됩니다:

  1. layer_0와 일치하는 메트릭용 패널 1개
  2. layer_10와 일치하는 메트릭용 패널 1개

• 비캡처 그룹은 메트릭을 함께 유지합니다 별도의 패널을 만들지 않고 여러 대안을 매칭하려면 ?: 구문을 사용하는 비캡처 그룹을 사용하세요. 표현식 (?:layer_0|layer_10)_loss는 앞선 예시와 동일한 메트릭에 매칭되지만, 하나의 패널에 함께 표시됩니다.

차이는 다음과 같습니다:

• (layer_0|layer_10)_loss - 각 레이어별로 패널 1개씩, 총 2개의 패널을 생성합니다.
• (?:layer_0|layer_10)_loss - 두 레이어를 함께 보여주는 패널 1개를 생성합니다.

이 기능을 사용하면 분석 요구에 가장 적합한 방식을 유연하게 선택할 수 있습니다. 메트릭을 별도 패널로 분리하려면 캡처 그룹을 사용하세요. 하나의 플롯에서 메트릭을 함께 비교하려면 비캡처 그룹을 사용하세요.