Ludwig 명령줄 인터페이스 — train·predict·serve

Ludwig는 모델의 전체 수명주기를 커버하는 다양한 CLI 명령을 제공해요. 학습부터 예측, 평가, 서빙, 시각화, 모델 변환까지 거의 모든 작업을 명령 하나로 끝낼 수 있어요. 자주 쓰는 명령 위주로 살펴볼게요.

출처: https://ludwig.ai/latest/user_guide/command_line_interface/

명령 개요

명령	설명
`train`	모델 학습
`predict`	학습된 모델로 예측
`evaluate`	학습된 모델의 성능 평가
`experiment`	학습+평가를 한 번에 실행
`hyperopt`	하이퍼파라미터 최적화
`serve`	학습된 모델을 HTTP 서버로 서빙
`visualize`	실험 결과 시각화
`init_config`	데이터셋과 타깃으로부터 초기 config 생성
`render_config`	기본값이 채워진 전체 config 출력
`export_model`	모델을 SafeTensors·torch.export·ONNX로 변환
`export_mlflow`	모델을 MLflow로 내보내기
`synthesize_dataset`	테스트용 합성 데이터 생성
`upload_to_hf_hub`	모델을 HuggingFace Hub에 업로드
`generate_config`	LLM으로 자연어 설명에서 config 생성

train

train은 데이터로부터 모델을 만듭니다. config는 YAML 파일(--config)이나 문자열(--config_str)로 넘길 수 있어요.

ludwig train --config rotten_tomatoes.yaml --dataset rotten_tomatoes.csv

--output_directory로 결과 저장 위치를, --model_name·--experiment_name으로 이름을 지정할 수 있어요. 데이터셋에 split 컬럼(0: train, 1: validation, 2: test)이 있으면 그대로 쓰고, 없으면 랜덤 분할을 해요.

predict

학습된 모델로 새 데이터를 예측해요.

ludwig predict --model_path results/ --dataset new_reviews.csv

학습 중 생성된 JSON 메타데이터 파일이 새 데이터를 텐서로 매핑하는 데 필요해요.

serve

serve는 학습된 모델을 HTTP 서버로 띄워요. --model_path로 모델 경로를 지정하면 됩니다.

ludwig serve --model_path results/

더 알아보기

각 명령의 전체 인자 목록은 공식 Command Line Interface 문서에서 확인할 수 있어요.