> ## 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.

# What are runs?

> W&B의 기본 구성 요소인 Runs에 대해 알아보세요.

W\&B에서 *run*은 로그된 단일 연산 단위입니다. W\&B run을 전체 프로젝트의 원자적 요소로 생각할 수 있습니다. 다시 말해, 각 run은 모델 트레이닝 및 결과 로깅, 하이퍼파라미터 스윕 등과 같은 특정 연산의 기록입니다.

run을 시작하는 일반적인 패턴은 다음을 포함하지만 이에 국한되지는 않습니다.

* 모델 트레이닝
* 하이퍼파라미터를 변경하고 새로운 실험 수행
* 다른 모델로 새로운 기계학습 실험 수행
* [W\&B Artifacts](/ko/models/artifacts/)로 데이터 또는 모델 로깅
* [W\&B Artifacts 다운로드](/ko/models/artifacts/download-and-use-an-artifact/)

W\&B는 생성한 run을 [*프로젝트*](/ko/models/track/project-page/)에 저장합니다. W\&B 앱 UI에서 run과 해당 속성을 run의 프로젝트 워크스페이스 내에서 볼 수 있습니다. [`wandb.Api.Run`](/ko/models/ref/python/public-api/run) 오브젝트를 사용하여 run 속성에 프로그래밍 방식으로 엑세스할 수도 있습니다.

`run.log`로 로그하는 모든 내용은 해당 run에 기록됩니다. 다음 코드 조각을 살펴보십시오.

```python theme={null}
import wandb

run = wandb.init(entity="nico", project="awesome-project")
run.log({"accuracy": 0.9, "loss": 0.1})
```

첫 번째 줄은 W\&B Python SDK를 임포트합니다. 두 번째 줄은 엔터티 `nico` 아래의 프로젝트 `awesome-project`에서 run을 초기화합니다. 세 번째 줄은 모델의 정확도와 손실을 해당 run에 기록합니다.

터미널 내에서 W\&B는 다음을 반환합니다.

```bash theme={null}
wandb: Syncing run earnest-sunset-1
wandb: ⭐️ View project at https://wandb.ai/nico/awesome-project
wandb: 🚀 View run at https://wandb.ai/nico/awesome-project/runs/1jx1ud12
wandb:                                                                                
wandb: 
wandb: Run history:
wandb: accuracy  
wandb:     loss  
wandb: 
wandb: Run summary:
wandb: accuracy 0.9
wandb:     loss 0.5
wandb: 
wandb: 🚀 View run earnest-sunset-1 at: https://wandb.ai/nico/awesome-project/runs/1jx1ud12
wandb: ⭐️ View project at: https://wandb.ai/nico/awesome-project
wandb: Synced 6 W&B file(s), 0 media file(s), 0 artifact file(s) and 0 other file(s)
wandb: Find logs at: ./wandb/run-20241105_111006-1jx1ud12/logs
```

터미널에서 W\&B가 반환하는 URL은 W\&B 앱 UI에서 run의 워크스페이스로 리디렉션합니다. 워크스페이스에서 생성된 패널은 단일 지점에 해당합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/single-run-call.png?fit=max&auto=format&n=q3q0K5OxPbztyeVG&q=85&s=c63b585b60be833cb27861642a6a4c24" width="2376" height="1294" data-path="images/runs/single-run-call.png" />
</Frame>

단일 시점에 메트릭을 로깅하는 것은 그다지 유용하지 않을 수 있습니다. 판별 모델 트레이닝의 경우 더 현실적인 예는 메트릭을 정기적인 간격으로 로깅하는 것입니다. 예를 들어, 다음 코드 조각을 살펴보십시오.

```python theme={null}
epochs = 10
lr = 0.01

run = wandb.init(
    entity="nico",
    project="awesome-project",
    config={
        "learning_rate": lr,
        "epochs": epochs,
    },
)

offset = random.random() / 5

# simulating a training run
for epoch in range(epochs):
    acc = 1 - 2**-epoch - random.random() / (epoch + 1) - offset
    loss = 2**-epoch + random.random() / (epoch + 1) + offset
    print(f"epoch={epoch}, accuracy={acc}, loss={loss}")
    run.log({"accuracy": acc, "loss": loss})
```

다음 출력을 반환합니다.

```bash theme={null}
wandb: Syncing run jolly-haze-4
wandb: ⭐️ View project at https://wandb.ai/nico/awesome-project
wandb: 🚀 View run at https://wandb.ai/nico/awesome-project/runs/pdo5110r
lr: 0.01
epoch=0, accuracy=-0.10070974957523078, loss=1.985328507123956
epoch=1, accuracy=0.2884687745057535, loss=0.7374362314407752
epoch=2, accuracy=0.7347387967382066, loss=0.4402409835486663
epoch=3, accuracy=0.7667969248039795, loss=0.26176963846423457
epoch=4, accuracy=0.7446848791003173, loss=0.24808611724405083
epoch=5, accuracy=0.8035095836268268, loss=0.16169791827329466
epoch=6, accuracy=0.861349032371624, loss=0.03432578493587426
epoch=7, accuracy=0.8794926436276016, loss=0.10331872172219471
epoch=8, accuracy=0.9424839917077272, loss=0.07767793473500445
epoch=9, accuracy=0.9584880427028566, loss=0.10531971149250456
wandb: 🚀 View run jolly-haze-4 at: https://wandb.ai/nico/awesome-project/runs/pdo5110r
wandb: Find logs at: wandb/run-20241105_111816-pdo5110r/logs
```

트레이닝 스크립트는 `run.log`를 10번 호출합니다. 스크립트가 `run.log`를 호출할 때마다 W\&B는 해당 에포크의 정확도와 손실을 기록합니다. W\&B가 이전 출력에서 출력하는 URL을 선택하면 W\&B 앱 UI에서 run의 워크스페이스로 이동합니다.

스크립트가 `wandb.init` 메서드를 한 번만 호출하기 때문에 W\&B는 시뮬레이션된 트레이닝 루프를 `jolly-haze-4`라는 단일 run 내에서 캡처합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/run_log_example_2.png?fit=max&auto=format&n=q3q0K5OxPbztyeVG&q=85&s=5173a0593ec1e10c9e4dd0835bd7e65d" width="2584" height="1396" data-path="images/runs/run_log_example_2.png" />
</Frame>

또 다른 예로, [스윕](/ko/models/sweeps/) 중에 W\&B는 사용자가 지정한 하이퍼파라미터 검색 공간을 탐색합니다. W\&B는 스윕이 생성하는 각 새로운 하이퍼파라미터 조합을 고유한 run으로 구현합니다.

## Run 초기화

[`wandb.init()`](/ko/models/ref/python/init)로 W\&B run을 초기화합니다. 다음 코드 조각은 W\&B Python SDK를 임포트하고 run을 초기화하는 방법을 보여줍니다.

각도 괄호(`<>`)로 묶인 값을 사용자 고유의 값으로 바꾸십시오.

```python theme={null}
import wandb

run = wandb.init(entity="<entity>", project="<project>")
```

run을 초기화할 때 W\&B는 프로젝트 필드에 지정한 프로젝트(`wandb.init(project="<project>")`)에 run을 기록합니다. W\&B는 프로젝트가 아직 존재하지 않으면 새 프로젝트를 만듭니다. 프로젝트가 이미 존재하는 경우 W\&B는 해당 프로젝트에 run을 저장합니다.

<Note>
  프로젝트 이름을 지정하지 않으면 W\&B는 run을 `Uncategorized`라는 프로젝트에 저장합니다.
</Note>

W\&B의 각 run에는 [*run ID*라고 하는 고유 식별자가 있습니다.](#unique-run-identifiers) [고유 ID를 지정](#unique-run-identifiers)하거나 [W\&B가 임의로 ID를 생성하도록 할 수 있습니다.](#autogenerated-run-ids)

각 run에는 사람이 읽을 수 있는 [*run 이름*이라고 하는 고유하지 않은 식별자도 있습니다.](#name-your-run) run 이름을 지정하거나 W\&B가 임의로 이름을 생성하도록 할 수 있습니다.

예를 들어, 다음 코드 조각을 살펴보십시오.

```python title="basic.py" theme={null}
import wandb

run = wandb.init(entity="wandbee", project="awesome-project")
```

코드 조각은 다음 출력을 생성합니다.

```bash theme={null}
🚀 View run exalted-darkness-6 at: 
https://wandb.ai/nico/awesome-project/runs/pgbn9y21
Find logs at: wandb/run-20241106_090747-pgbn9y21/logs
```

이전 코드는 id 파라미터에 대한 인수를 지정하지 않았으므로 W\&B는 고유한 run ID를 만듭니다. 여기서 `nico`는 run을 기록한 엔터티이고, `awesome-project`는 run이 기록된 프로젝트의 이름이고, `exalted-darkness-6`은 run의 이름이고, `pgbn9y21`은 run ID입니다.

<Note>
  **노트북 사용자**

  run이 끝날 때 `run.finish()`를 지정하여 run이 완료되었음을 표시합니다. 이렇게 하면 run이 프로젝트에 올바르게 기록되고 백그라운드에서 계속되지 않습니다.

  ```python title="notebook.ipynb" theme={null}
  import wandb

  run = wandb.init(entity="<entity>", project="<project>")
  # Training code, logging, and so forth
  run.finish()
  ```
</Note>

각 run에는 run의 현재 상태를 설명하는 상태가 있습니다. 가능한 run 상태의 전체 목록은 [Run 상태](#run-states)를 참조하십시오.

## Run 상태

다음 표는 run이 가질 수 있는 가능한 상태를 설명합니다.

| 상태       | 설명                                                        |
| -------- | --------------------------------------------------------- |
| Finished | run이 종료되고 데이터가 완전히 동기화되었거나 `wandb.finish()`가 호출되었습니다.     |
| Failed   | run이 0이 아닌 종료 상태로 종료되었습니다.                                |
| Crashed  | run이 내부 프로세스에서 하트비트 전송을 중단했습니다. 이는 머신이 충돌할 경우 발생할 수 있습니다. |
| Running  | run이 여전히 실행 중이며 최근에 하트비트를 전송했습니다.                         |

## 고유한 run 식별자

Run ID는 run에 대한 고유 식별자입니다. 기본적으로 W\&B는 새 run을 초기화할 때 [임의의 고유한 run ID를 생성합니다.](#autogenerated-run-ids) run을 초기화할 때 [고유한 run ID를 지정할 수도 있습니다.](#custom-run-ids)

### 자동 생성된 run ID

run을 초기화할 때 run ID를 지정하지 않으면 W\&B는 임의의 run ID를 생성합니다. W\&B 앱 UI에서 run의 고유 ID를 찾을 수 있습니다.

1. [https://wandb.ai/home](https://wandb.ai/home)에서 W\&B 앱 UI로 이동합니다.
2. run을 초기화할 때 지정한 W\&B 프로젝트로 이동합니다.
3. 프로젝트의 워크스페이스 내에서 **Runs** 탭을 선택합니다.
4. **Overview** 탭을 선택합니다.

W\&B는 **Run path** 필드에 고유한 run ID를 표시합니다. run 경로는 팀 이름, 프로젝트 이름 및 run ID로 구성됩니다. 고유 ID는 run 경로의 마지막 부분입니다.

예를 들어, 다음 이미지에서 고유한 run ID는 `9mxi1arc`입니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/runs/unique-run-id.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=1fad2067367f069f70f81a6154d493bc" width="3190" height="1927" data-path="images/runs/unique-run-id.png" />
</Frame>

### 사용자 지정 run ID

`id` 파라미터를 [`wandb.init`](/ko/models/ref/python/init) 메서드에 전달하여 사용자 고유의 run ID를 지정할 수 있습니다.

```python theme={null}
import wandb

run = wandb.init(entity="<project>", project="<project>", id="<run-id>")
```

run의 고유 ID를 사용하여 W\&B 앱 UI에서 run의 Overview 페이지로 직접 이동할 수 있습니다. 다음 셀은 특정 run에 대한 URL 경로를 보여줍니다.

```text title="특정 run에 대한 W&B 앱 URL" theme={null}
https://wandb.ai/<entity>/<project>/<run-id>
```

각도 괄호(`<>`)로 묶인 값은 엔터티, 프로젝트 및 run ID의 실제 값에 대한 자리 표시자입니다.

## Run 이름 지정

run 이름은 사람이 읽을 수 있는 고유하지 않은 식별자입니다.

기본적으로 W\&B는 새 run을 초기화할 때 임의의 run 이름을 생성합니다. run 이름은 프로젝트의 워크스페이스 내와 [run의 Overview 페이지](#overview-tab) 상단에 나타납니다.

<Note>
  run 이름을 사용하여 프로젝트 워크스페이스에서 run을 빠르게 식별하십시오.
</Note>

`name` 파라미터를 [`wandb.init`](/ko/models/ref/python/init) 메서드에 전달하여 run 이름을 지정할 수 있습니다.

```python theme={null}
import wandb

run = wandb.init(entity="<project>", project="<project>", name="<run-name>")
```

## Run에 노트 추가

특정 run에 추가하는 노트는 **Overview** 탭의 run 페이지와 프로젝트 페이지의 run 테이블에 나타납니다.

1. W\&B 프로젝트로 이동합니다.
2. 프로젝트 사이드바에서 **Workspace** 탭을 선택합니다.
3. 노트를 추가할 run을 run 선택기에서 선택합니다.
4. **Overview** 탭을 선택합니다.
5. **Description** 필드 옆에 있는 연필 아이콘을 선택하고 노트를 추가합니다.

## Run 중지

W\&B 앱 또는 프로그래밍 방식으로 run을 중지합니다.

<Tabs>
  <Tab title="프로그래밍 방식">
    1. run을 초기화한 터미널 또는 코드 편집기로 이동합니다.
    2. `Ctrl+D`를 눌러 run을 중지합니다.

    예를 들어, 이전 지침을 따르면 터미널이 다음과 유사하게 보일 수 있습니다.

    ```bash theme={null}
    KeyboardInterrupt
    wandb: 🚀 View run legendary-meadow-2 at: https://wandb.ai/nico/history-blaster-4/runs/o8sdbztv
    wandb: Synced 5 W&B file(s), 0 media file(s), 0 artifact file(s) and 1 other file(s)
    wandb: Find logs at: ./wandb/run-20241106_095857-o8sdbztv/logs
    ```

    W\&B 앱 UI로 이동하여 run이 더 이상 활성 상태가 아닌지 확인합니다.

    1. run이 기록되고 있는 프로젝트로 이동합니다.
    2. run 이름을 선택합니다.

    <Note>
      터미널 또는 코드 편집기의 출력에서 중지한 run 이름을 찾을 수 있습니다. 예를 들어, 이전 예에서 run 이름은 `legendary-meadow-2`입니다.
    </Note>

    3. 프로젝트 사이드바에서 **Overview** 탭을 선택합니다.

    **State** 필드 옆에 있는 run의 상태가 `running`에서 `Killed`로 변경됩니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/runs/stop-run-terminal.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=b67b1449451ea3d19fe95c6ec12141a7" width="2260" height="1296" data-path="images/runs/stop-run-terminal.png" />
    </Frame>
  </Tab>

  <Tab title="W&B 앱">
    1. run이 기록되고 있는 프로젝트로 이동합니다.
    2. run 선택기 내에서 중지할 run을 선택합니다.
    3. 프로젝트 사이드바에서 **Overview** 탭을 선택합니다.
    4. **State** 필드 옆에 있는 맨 위 버튼을 선택합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/stop-run-manual.png?fit=max&auto=format&n=q3q0K5OxPbztyeVG&q=85&s=3c3a9b97d547ae8d81f5aefb58219f96" width="2256" height="2204" data-path="images/runs/stop-run-manual.png" />
    </Frame>

    **State** 필드 옆에 있는 run의 상태가 `running`에서 `Killed`로 변경됩니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/stop-run-manual-status.png?fit=max&auto=format&n=q3q0K5OxPbztyeVG&q=85&s=7b64b1e5909fc36d2757e1cca407505f" width="2258" height="1292" data-path="images/runs/stop-run-manual-status.png" />
    </Frame>
  </Tab>
</Tabs>

가능한 run 상태의 전체 목록은 [상태 필드](#run-states)를 참조하십시오.

## 기록된 Run 보기

Run 상태, run에 기록된 Artifacts, run 중에 기록된 로그 파일 등과 같은 특정 run에 대한 정보를 봅니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/demo-project.gif?s=58ca0191cc7510019e68985f81152d91" width="3418" height="2234" data-path="images/runs/demo-project.gif" />
</Frame>

특정 run을 보려면 다음을 수행하십시오.

1. [https://wandb.ai/home](https://wandb.ai/home)에서 W\&B 앱 UI로 이동합니다.
2. run을 초기화할 때 지정한 W\&B 프로젝트로 이동합니다.
3. 프로젝트 사이드바 내에서 **Workspace** 탭을 선택합니다.
4. run 선택기 내에서 보려는 run을 클릭하거나 일치하는 run을 필터링하기 위해 run 이름의 일부를 입력합니다.

   기본적으로 긴 run 이름은 가독성을 위해 중간에서 잘립니다. 대신 run 이름을 시작 또는 끝에서 자르려면 run 목록 상단에 있는 작업 `...` 메뉴를 클릭한 다음 **Run name cropping**을 설정하여 끝, 중간 또는 시작을 자릅니다.

특정 run의 URL 경로는 다음 형식을 갖습니다.

```text theme={null}
https://wandb.ai/<team-name>/<project-name>/runs/<run-id>
```

각도 괄호(`<>`)로 묶인 값은 팀 이름, 프로젝트 이름 및 run ID의 실제 값에 대한 자리 표시자입니다.

### Overview 탭

**Overview** 탭을 사용하여 프로젝트에서 다음과 같은 특정 run 정보를 알아봅니다.

* **Author**: run을 만드는 W\&B 엔터티입니다.
* **Command**: run을 초기화하는 코맨드입니다.
* **Description**: 사용자가 제공한 run에 대한 설명입니다. run을 만들 때 설명을 지정하지 않으면 이 필드는 비어 있습니다. W\&B 앱 UI를 사용하거나 Python SDK를 사용하여 프로그래밍 방식으로 run에 설명을 추가할 수 있습니다.
* **Duration**: run이 일시 중지 또는 대기 시간을 제외하고 활발하게 연산하거나 데이터를 로깅하는 데 걸리는 시간입니다.
* **Git repository**: run과 연결된 Git 리포지토리입니다. 이 필드를 보려면 [Git을 활성화](/ko/platform/app/settings-page/user-settings/#personal-github-integration)해야 합니다.
* **Host name**: W\&B가 run을 연산하는 위치입니다. 머신에서 로컬로 run을 초기화하는 경우 W\&B는 머신 이름을 표시합니다.
* **Name**: run 이름입니다.
* **OS**: run을 초기화하는 운영 체제입니다.
* **Python executable**: run을 시작하는 코맨드입니다.
* **Python version**: run을 만드는 Python 버전을 지정합니다.
* **Run path**: `entity/project/run-ID` 형식으로 고유한 run 식별자를 식별합니다.
* **Runtime**: run 시작부터 종료까지의 총 시간을 측정합니다. run에 대한 실제 시간입니다. Runtime에는 run이 일시 중지되거나 리소스를 기다리는 시간이 포함되지만 Duration에는 포함되지 않습니다.
* **Start time**: run을 초기화한 타임스탬프입니다.
* **State**: [run 상태](#run-states)입니다.
* **System hardware**: W\&B가 run을 연산하는 데 사용하는 하드웨어입니다.
* **Tags**: 문자열 목록입니다. 태그는 관련 run을 함께 구성하거나 `베이스라인` 또는 `프로덕션`과 같은 임시 레이블을 적용하는 데 유용합니다.
* **W\&B CLI version**: run 코맨드를 호스팅한 머신에 설치된 W\&B CLI 버전입니다.

W\&B는 Overview 섹션 아래에 다음 정보를 저장합니다.

* **Artifact Outputs**: run에서 생성된 Artifacts 출력입니다.
* **Config**: [`wandb.config`](/ko/models/track/config/)로 저장된 구성 파라미터 목록입니다.
* **Summary**: [`wandb.log()`](/ko/models/track/log/)로 저장된 요약 파라미터 목록입니다. 기본적으로 W\&B는 이 값을 마지막으로 기록된 값으로 설정합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/tcXwQh5uI2ZuE892/images/app_ui/wandb_run_overview_page.png?fit=max&auto=format&n=tcXwQh5uI2ZuE892&q=85&s=d333710d1b59f7ad0d6365a8f37f223e" alt="W&B 대시보드 run Overview 탭" width="2232" height="2794" data-path="images/app_ui/wandb_run_overview_page.png" />
</Frame>

[여기](https://wandb.ai/stacey/deep-drive/overview)에서 프로젝트 Overview의 예를 봅니다.

### Workspace 탭

Workspace 탭을 사용하여 자동 생성된 플롯 및 사용자 지정 플롯, 시스템 메트릭 등과 같은 시각화를 보고, 검색하고, 그룹화하고, 정렬합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/tcXwQh5uI2ZuE892/images/app_ui/wandb-run-page-workspace-tab.png?fit=max&auto=format&n=tcXwQh5uI2ZuE892&q=85&s=d7dcf72ac48d46974e038df7b98a620c" width="2510" height="2692" data-path="images/app_ui/wandb-run-page-workspace-tab.png" />
</Frame>

[여기](https://wandb.ai/stacey/deep-drive/workspace?nw=nwuserstacey)에서 프로젝트 워크스페이스의 예를 봅니다.

### Runs 탭

Runs 탭을 사용하여 run을 필터링, 그룹화 및 정렬합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/q3q0K5OxPbztyeVG/images/runs/run-table-example.png?fit=max&auto=format&n=q3q0K5OxPbztyeVG&q=85&s=cba5cf8ae6cfcefcfa1fbaf40b6b0076" width="1922" height="932" data-path="images/runs/run-table-example.png" />
</Frame>

다음 탭은 Runs 탭에서 수행할 수 있는 몇 가지 일반적인 작업을 보여줍니다.

<Tabs>
  <Tab title="열 사용자 지정">
    Runs 탭에는 프로젝트의 run에 대한 세부 정보가 표시됩니다. 기본적으로 많은 열이 표시됩니다.

    * 표시되는 모든 열을 보려면 페이지를 가로로 스크롤합니다.
    * 열 순서를 변경하려면 열을 왼쪽이나 오른쪽으로 드래그합니다.
    * 열을 고정하려면 열 이름 위로 마우스를 가져간 다음 나타나는 작업 메뉴 `...`를 클릭하고 **Pin column**을 클릭합니다. 고정된 열은 **Name** 열 뒤에 페이지 왼쪽에 가깝게 나타납니다. 고정된 열을 고정 해제하려면 **Unpin column**을 선택합니다.
    * 열을 숨기려면 열 이름 위로 마우스를 가져간 다음 나타나는 작업 메뉴 `...`를 클릭하고 **Hide column**을 클릭합니다. 현재 숨겨진 모든 열을 보려면 **Columns**를 클릭합니다.
      * 숨겨진 열 이름을 클릭하여 숨김을 해제합니다.
      * 보이는 열 이름을 클릭하여 숨깁니다.
      * 보이는 열 옆에 있는 핀 아이콘을 클릭하여 고정합니다.

    Runs 탭을 사용자 지정하면 사용자 지정이 [Workspace 탭](#workspace-tab)의 **Runs** 선택기에 반영됩니다.
  </Tab>

  <Tab title="정렬">
    지정된 열의 값을 기준으로 테이블의 모든 행을 정렬합니다.

    1. 마우스를 열 제목 위로 가져갑니다. 케밥 메뉴(세 개의 세로 문서)가 나타납니다.
    2. 케밥 메뉴(세 개의 세로 점)를 선택합니다.
    3. **Sort Asc** 또는 **Sort Desc**를 선택하여 행을 각각 오름차순 또는 내림차순으로 정렬합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/FAQtpcY8_qbt118R/images/data_vis/data_vis_sort_kebob.png?fit=max&auto=format&n=FAQtpcY8_qbt118R&q=85&s=873c3beb054e20fc57a6763f8c3f7263" alt="모델이 '0'이라고 가장 확신을 가지고 추측한 숫자를 확인하십시오." width="862" height="585" data-path="images/data_vis/data_vis_sort_kebob.png" />
    </Frame>

    위의 이미지는 `val_acc`라는 테이블 열에 대한 정렬 옵션을 보는 방법을 보여줍니다.
  </Tab>

  <Tab title="필터">
    대시보드 위의 **Filter** 버튼으로 표현식을 사용하여 모든 행을 필터링합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/z30ndE1lYRi8WMuv/images/data_vis/filter.png?fit=max&auto=format&n=z30ndE1lYRi8WMuv&q=85&s=70808f712b3b770eb1ae5f056e09d14c" alt="모델이 잘못 이해하는 예만 참조하십시오." width="1497" height="587" data-path="images/data_vis/filter.png" />
    </Frame>

    **Add filter**를 선택하여 행에 하나 이상의 필터를 추가합니다. 세 개의 드롭다운 메뉴가 나타납니다. 왼쪽에서 오른쪽으로 필터 유형은 열 이름, 연산자 및 값을 기준으로 합니다.

    |       | 열 이름   | 이항 관계                   | 값                                   |
    | ----- | ------ | ----------------------- | ----------------------------------- |
    | 허용된 값 | String | =, ≠, ≤, ≥, IN, NOT IN, | Integer, float, string, 타임스탬프, null |

    표현식 편집기는 열 이름과 논리적 술어 구조에 대한 자동 완성 기능을 사용하여 각 용어에 대한 옵션 목록을 보여줍니다. "and" 또는 "or"(때로는 괄호)를 사용하여 여러 논리적 술어를 하나의 표현식으로 연결할 수 있습니다.
  </Tab>

  <Tab title="그룹">
    대시보드 위의 **Group by** 버튼을 사용하여 특정 열의 값을 기준으로 모든 행을 그룹화합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/z30ndE1lYRi8WMuv/images/data_vis/group.png?fit=max&auto=format&n=z30ndE1lYRi8WMuv&q=85&s=7e9e25d18b70052320a33df956f332eb" alt="진실 분포는 작은 오류를 보여줍니다. 8과 2는 7과 9로, 2는 2로 혼동됩니다." width="483" height="705" data-path="images/data_vis/group.png" />
    </Frame>

    기본적으로 이렇게 하면 다른 숫자 열이 해당 그룹 전체의 해당 열에 대한 값 분포를 보여주는 히스토그램으로 바뀝니다. 그룹화는 데이터에서 상위 수준 패턴을 이해하는 데 유용합니다.
  </Tab>
</Tabs>

### System 탭

**System 탭**은 CPU 사용률, 시스템 메모리, 디스크 I/O, 네트워크 트래픽, GPU 사용률 등과 같은 특정 run에 대해 추적된 시스템 메트릭을 보여줍니다.

W\&B가 추적하는 시스템 메트릭의 전체 목록은 [시스템 메트릭](/ko/models/ref/system-metrics/)을 참조하십시오.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/FAQtpcY8_qbt118R/images/app_ui/wandb_system_utilization.png?fit=max&auto=format&n=FAQtpcY8_qbt118R&q=85&s=33acbfe01225434723694efe92a22615" width="2512" height="3030" data-path="images/app_ui/wandb_system_utilization.png" />
</Frame>

[여기](https://wandb.ai/stacey/deep-drive/runs/ki2biuqy/system?workspace=user-carey)에서 시스템 탭의 예를 봅니다.

### Logs 탭

**Log 탭**은 표준 출력(`stdout`) 및 표준 오류(`stderr`)와 같은 코맨드라인에 출력된 내용을 보여줍니다.

로그 파일을 다운로드하려면 오른쪽 상단 모서리에 있는 **Download** 버튼을 선택합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/FAQtpcY8_qbt118R/images/app_ui/wandb_run_page_log_tab.png?fit=max&auto=format&n=FAQtpcY8_qbt118R&q=85&s=e8eddf8d987ba66cc2f30f0e1475a2b7" width="3628" height="2128" data-path="images/app_ui/wandb_run_page_log_tab.png" />
</Frame>

[여기](https://app.wandb.ai/stacey/deep-drive/runs/pr0os44x/logs)에서 로그 탭의 예를 봅니다.

### Files 탭

**Files 탭**을 사용하여 모델 체크포인트, 검증 세트 예제 등과 같은 특정 run과 연결된 파일을 봅니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/tcXwQh5uI2ZuE892/images/app_ui/wandb_run_page_files_tab.png?fit=max&auto=format&n=tcXwQh5uI2ZuE892&q=85&s=0c464c6bdcd31682c757eaf24e57447c" width="2538" height="1496" data-path="images/app_ui/wandb_run_page_files_tab.png" />
</Frame>

[여기](https://app.wandb.ai/stacey/deep-drive/runs/pr0os44x/files/media/images)에서 파일 탭의 예를 봅니다.

### Artifacts 탭

**Artifacts** 탭에는 지정된 run에 대한 입력 및 출력 [artifacts](/ko/models/artifacts/)가 나열됩니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/-ioFEureIz8ZEfH0/images/app_ui/artifacts_tab.png?fit=max&auto=format&n=-ioFEureIz8ZEfH0&q=85&s=3acc463c5fb82c6f5918aeeedea54389" width="2542" height="1338" data-path="images/app_ui/artifacts_tab.png" />
</Frame>

[여기](https://wandb.ai/stacey/artifact_july_demo/runs/2cslp2rt/artifacts)에서 artifacts 탭의 예를 봅니다.

## Run 삭제

W\&B 앱으로 프로젝트에서 하나 이상의 run을 삭제합니다.

1. 삭제할 run이 포함된 프로젝트로 이동합니다.
2. 프로젝트 사이드바에서 **Runs** 탭을 선택합니다.
3. 삭제할 run 옆에 있는 확인란을 선택합니다.
4. 테이블 위에 있는 **Delete** 버튼(휴지통 아이콘)을 선택합니다.
5. 나타나는 모달에서 **Delete**를 선택합니다.

<Note>
  특정 ID가 있는 run이 삭제되면 해당 ID를 다시 사용할 수 없습니다. 이전에 삭제된 ID로 run을 시작하려고 하면 오류가 표시되고 시작되지 않습니다.
</Note>

<Note>
  많은 수의 run을 포함하는 프로젝트의 경우 검색 창을 사용하여 삭제할 run을 정규식으로 필터링하거나 필터 버튼을 사용하여 상태, 태그 또는 기타 속성을 기준으로 run을 필터링할 수 있습니다.
</Note>

## Run 구성

이 섹션에서는 그룹 및 job 유형을 사용하여 run을 구성하는 방법에 대한 지침을 제공합니다. run을 그룹(예: 실험 이름)에 할당하고 job 유형(예: 전처리, 트레이닝, 평가, 디버깅)을 지정하면 워크플로우를 간소화하고 모델 비교를 개선할 수 있습니다.

### Run에 그룹 또는 Job 유형 할당

W\&B의 각 run은 **그룹**과 **Job 유형**으로 분류할 수 있습니다.

* **Group**: 실험에 대한 광범위한 범주로, run을 구성하고 필터링하는 데 사용됩니다.
* **Job 유형**: `전처리`, `트레이닝` 또는 `평가`와 같은 run의 기능입니다.

다음 [예제 워크스페이스](https://wandb.ai/stacey/model_iterz?workspace=user-stacey)는 Fashion-MNIST 데이터셋에서 점점 더 많은 양의 데이터를 사용하여 베이스라인 모델을 트레이닝합니다. 워크스페이스는 색상을 사용하여 사용된 데이터 양을 나타냅니다.

* **노란색에서 진한 녹색**은 베이스라인 모델에 대해 점점 더 많은 양의 데이터를 나타냅니다.
* **밝은 파란색에서 보라색에서 마젠타색**은 추가 파라미터가 있는 더 복잡한 "이중" 모델에 대한 데이터 양을 나타냅니다.

W\&B의 필터링 옵션과 검색 창을 사용하여 다음과 같은 특정 조건을 기준으로 run을 비교합니다.

* 동일한 데이터셋에서 트레이닝합니다.
* 동일한 테스트 세트에서 평가합니다.

필터를 적용하면 **Table** 보기가 자동으로 업데이트됩니다. 이렇게 하면 모델 간의 성능 차이를 식별할 수 있습니다(예: 특정 클래스가 다른 모델에 비해 훨씬 더 어려운지 확인).

```
```