W&B 빠른 시작

W&B를 처음 쓸 때는 설치 → 로그인 → 실험 시작 순서로 진행해요. 학습 루프에 몇 줄만 넣으면 loss와 accuracy가 대시보드에 실시간으로 쌓여요.

출처: W&B Quickstart

먼저 라이브러리를 설치하고 로그인해요.

pip install wandb

로그인은 계정의 API 키가 필요해요. W&B 웹에서 User Settings에서 새 API 키를 만들고, 아래처럼 환경변수로 설정해 두면 편리해요.

export WANDB_API_KEY=<your_api_key>

이제 가짜 학습을 시뮬레이션하는 완전한 예시를 볼게요. accuracy와 loss를 W&B에 기록하는 구조예요.

import wandb
import random

wandb.login()

project = "my-awesome-project"
config = {'epochs': 10, 'lr': 0.01}

with wandb.init(project=project, config=config) as run:
    offset = random.random() / 5
    for epoch in range(2, config['epochs']):
        acc = 1 - 2 ** -config['epochs'] - random.random() / config['epochs'] - offset
        loss = 2 ** -config['epochs'] + random.random() / config['epochs'] + offset
        run.log({"accuracy": acc, "loss": loss})

wandb.init(project=..., config=...)이 실험(런)을 정의하고, run.log({...})가 매 스텝의 메트릭을 기록해요. 프로젝트 이름과 하이퍼파라미터는 config 딕셔너리로 관리하면 실행과 로깅이 일치하게 돼요.

실행이 끝나면 wandb.ai/home에서 accuracy와 loss가 스텝마다 어떻게 변했는지 그래프로 확인할 수 있어요. 각 런은 Runs 칼럼에 고유 이름으로 표시되죠. 이후에는 PyTorch 통합처럼 프레임워크별 튜토리얼로 넘어가면 돼요.