> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-feat-cli-docs-generator.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Track a model

> W&B Python SDK를 사용하여 모델, 모델의 종속성 및 해당 모델과 관련된 기타 정보를 추적합니다.

W\&B Python SDK를 사용하여 모델, 모델의 종속성 및 해당 모델과 관련된 기타 정보를 추적합니다.

W\&B는 내부적으로 [모델 아티팩트](/ko/models/core/registry/model_registry/model-management-concepts/#model-artifact)의 계보를 생성하며, 이 계보는 W\&B App UI 또는 W\&B Python SDK를 통해 프로그래밍 방식으로 볼 수 있습니다. 자세한 내용은 [모델 계보 맵 생성](/ko/models/core/registry/model_registry/model-lineage/)을 참조하세요.

## 모델을 기록하는 방법

`run.log_model` API를 사용하여 모델을 기록합니다. 모델 파일이 저장된 경로를 `path` 파라미터에 제공합니다. 경로는 로컬 파일, 디렉토리 또는 `s3://bucket/path`와 같은 외부 버킷에 대한 [참조 URI](/ko/models/artifacts/track-external-files/#amazon-s3--gcs--azure-blob-storage-references)일 수 있습니다.

선택적으로 `name` 파라미터에 대한 모델 아티팩트의 이름을 제공합니다. `name`이 지정되지 않은 경우 W\&B는 run ID가 앞에 붙은 입력 경로의 기본 이름을 사용합니다.

다음 코드 조각을 복사하여 붙여넣습니다. `<>`로 묶인 값을 사용자 고유의 값으로 바꾸십시오.

```python theme={null}
import wandb

# W&B run 초기화
run = wandb.init(project="<project>", entity="<entity>")

# 모델 기록
run.log_model(path="<path-to-model>", name="<name>")
```

<details>
  <summary>예: Keras 모델을 W\&B에 기록</summary>

  다음 코드 예제는 컨볼루션 신경망 (CNN) 모델을 W\&B에 기록하는 방법을 보여줍니다.

  ```python theme={null}
  import os
  import wandb
  from tensorflow import keras
  from tensorflow.keras import layers

  config = {"optimizer": "adam", "loss": "categorical_crossentropy"}

  # W&B run 초기화
  run = wandb.init(entity="charlie", project="mnist-project", config=config)

  # 트레이닝 알고리즘
  loss = run.config["loss"]
  optimizer = run.config["optimizer"]
  metrics = ["accuracy"]
  num_classes = 10
  input_shape = (28, 28, 1)

  model = keras.Sequential(
      [
          layers.Input(shape=input_shape),
          layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
          layers.MaxPooling2D(pool_size=(2, 2)),
          layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
          layers.MaxPooling2D(pool_size=(2, 2)),
          layers.Flatten(),
          layers.Dropout(0.5),
          layers.Dense(num_classes, activation="softmax"),
      ]
  )

  model.compile(loss=loss, optimizer=optimizer, metrics=metrics)

  # 모델 저장
  model_filename = "model.h5"
  local_filepath = "./"
  full_path = os.path.join(local_filepath, model_filename)
  model.save(filepath=full_path)

  # 모델 기록
  run.log_model(path=full_path, name="MNIST")

  # W&B에 run 종료를 명시적으로 알립니다.
  run.finish()
  ```
</details>