> ## 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.
# Log objects and media
> 메트릭, 비디오, 사용자 정의 플롯 등을 추적하세요.
W\&B Python SDK를 사용하여 메트릭, 미디어 또는 사용자 정의 오브젝트의 사전을 단계별로 기록합니다. W\&B는 각 단계에서 키-값 쌍을 수집하고 `wandb.log()`로 데이터를 기록할 때마다 하나의 통합된 사전에 저장합니다. 스크립트에서 기록된 데이터는 `wandb`라는 디렉토리에 로컬로 저장된 다음 W\&B 클라우드 또는 [개인 서버](/ko/platform/hosting/)로 동기화됩니다.
키-값 쌍은 각 단계마다 동일한 값을 전달하는 경우에만 하나의 통합된 사전에 저장됩니다. `step`에 대해 다른 값을 기록하면 W\&B는 수집된 모든 키와 값을 메모리에 씁니다.
`wandb.log`를 호출할 때마다 기본적으로 새로운 `step`이 됩니다. W\&B는 차트 및 패널을 만들 때 단계를 기본 x축으로 사용합니다. 선택적으로 사용자 정의 x축을 만들고 사용하거나 사용자 정의 요약 메트릭을 캡처할 수 있습니다. 자세한 내용은 [로그 축 사용자 정의](/ko/models/track/log/customize-logging-axes)를 참조하세요.
각 `step`에 대해 연속적인 값 0, 1, 2 등을 기록하려면 `wandb.log()`를 사용하세요. 특정 history 단계에 쓸 수는 없습니다. W\&B는 "현재" 및 "다음" 단계에만 씁니다.
## 자동으로 기록되는 데이터
W\&B는 W\&B Experiments 동안 다음 정보를 자동으로 기록합니다.
* **시스템 메트릭**: CPU 및 GPU 사용률, 네트워크 등. 이러한 메트릭은 [run 페이지](/ko/models/runs/)의 시스템 탭에 표시됩니다. GPU의 경우 이러한 메트릭은 [`nvidia-smi`](https://developer.nvidia.com/nvidia-system-management-interface)를 통해 가져옵니다.
* **커맨드 라인**: stdout 및 stderr이 선택되어 [run 페이지](/ko/models/runs/)의 로그 탭에 표시됩니다.
계정의 [설정 페이지](https://wandb.ai/settings)에서 [코드 저장](http://wandb.me/code-save-colab)을 켜서 다음을 기록합니다.
* **Git 커밋**: 최신 git 커밋을 선택하여 run 페이지의 Overview 탭에서 확인하고 커밋되지 않은 변경 사항이 있는 경우 `diff.patch` 파일을 확인합니다.
* **Dependencies**: `requirements.txt` 파일이 업로드되어 run 페이지의 파일 탭에 표시되고, run을 위해 `wandb` 디렉터리에 저장하는 모든 파일과 함께 표시됩니다.
## 특정 W\&B API 호출로 기록되는 데이터는 무엇입니까?
W\&B를 사용하면 기록할 대상을 정확하게 결정할 수 있습니다. 다음은 일반적으로 기록되는 오브젝트의 일부입니다.
* **Datasets**: 이미지를 W\&B로 스트리밍하려면 이미지 또는 기타 데이터셋 샘플을 구체적으로 기록해야 합니다.
* **Plots**: 차트를 추적하려면 `wandb.plot`을 `wandb.log`와 함께 사용합니다. 자세한 내용은 [Plots 기록](/ko/models/track/log/plots)을 참조하세요.
* **Tables**: W\&B로 시각화하고 쿼리할 데이터를 기록하려면 `wandb.Table`을 사용합니다. 자세한 내용은 [Tables 기록](/ko/models/track/log/log-tables)을 참조하세요.
* **PyTorch 그레이디언트**: UI에서 가중치의 그레이디언트를 히스토그램으로 보려면 `wandb.watch(model)`을 추가합니다.
* **설정 정보**: 하이퍼파라미터, 데이터셋 링크 또는 사용 중인 아키텍처 이름을 config 파라미터로 기록합니다. 예: `wandb.init(config=your_config_dictionary)`. 자세한 내용은 [PyTorch 인테그레이션](/ko/guides/integrations/pytorch) 페이지를 참조하세요.
* **메트릭**: 모델의 메트릭을 보려면 `wandb.log`를 사용합니다. 트레이닝 루프 내에서 정확도 및 손실과 같은 메트릭을 기록하면 UI에서 실시간 업데이트 그래프를 얻을 수 있습니다.
## 일반적인 워크플로우
1. **최고 정확도 비교**: run 간에 메트릭의 최고 값을 비교하려면 해당 메트릭의 요약 값을 설정합니다. 기본적으로 요약은 각 키에 대해 기록한 마지막 값으로 설정됩니다. 이는 UI의 테이블에서 유용합니다. 여기서 요약 메트릭을 기준으로 run을 정렬하고 필터링하여 최종 정확도가 아닌 *최고* 정확도를 기준으로 테이블 또는 막대 차트에서 run을 비교할 수 있습니다. 예: `wandb.run.summary["best_accuracy"] = best_accuracy`
2. **하나의 차트에 여러 메트릭 보기**: `wandb.log({"acc'": 0.9, "loss": 0.1})`과 같이 `wandb.log`에 대한 동일한 호출에서 여러 메트릭을 기록하면 UI에서 플롯하는 데 사용할 수 있습니다.
3. **x축 사용자 정의**: 동일한 로그 호출에 사용자 정의 x축을 추가하여 W\&B 대시보드에서 다른 축에 대해 메트릭을 시각화합니다. 예: `wandb.log({'acc': 0.9, 'epoch': 3, 'batch': 117})`. 지정된 메트릭에 대한 기본 x축을 설정하려면 [Run.define\_metric()](/ko/models/ref/python/run#define_metric)을 사용합니다.
4. **풍부한 미디어 및 차트 기록**: `wandb.log`는 [이미지 및 비디오와 같은 미디어](/ko/models/track/log/media)에서 [테이블](/ko/models/track/log/log-tables) 및 [차트](/ko/models/app/features/custom-charts/)에 이르기까지 다양한 데이터 유형의 로깅을 지원합니다.
## 모범 사례 및 팁
Experiments 및 로깅에 대한 모범 사례 및 팁은 [모범 사례: Experiments 및 로깅](https://wandb.ai/wandb/pytorch-lightning-e2e/reports/W-B-Best-Practices-Guide--VmlldzozNTU1ODY1#w\&b-experiments-and-logging)을 참조하세요.